Разработка приложения для анализа и оценки финансового состояния предприятий

- Натуральный логарифм X₅ - характеризует логарифм долгосрочных обязательств компании;

- Натуральный логарифм Х₉ - характеризует выручку предприятия.

Полученная logit-модель имеет следующий вид:

где Z - интегральный показатель, вычисляемый на основе разработанной модели:

где X₁ - строка 1100 по балансу, X₄ - строка 1300 по балансу, X₅ - строка 1500 по балансу, X₉ - строка 2100 в отчете о прибылях и убытках.

Данная модель была получена методом пошаговой регрессии, то есть вначале все объясняющие переменные входят в уравнение регрессии. Затем по очереди исключаются из него ввиду наличия между некоторыми переменными тесной линейной взаимосвязи, а также незначимости этих переменных. В табл. 2.2 приведены результаты построения модели со всеми объясняющими переменными.

Таблица 2.2. Логит-модель со всеми объясняющими переменными

Из таблицы видно, что модель, содержащая все объясняющие переменные не качественная, так как не все из показателей значимы, а R² исправленный равняется только лишь 0,62, что говорит о том, что модель объясняет только 62% вариации банкротств, что достаточно неплохо, с учетом того, что значения некоторых показателей имеют большой разброс. Далее проведем тесты на выявления мультиколлинеарности (тесной линейной взаимосвязи). В табл. 2.3 приведены значения показателя вздутия дисперсии для каждого из коэффициентов модели.

Если значение показателя вздутия дисперсии принимает значение больше десяти, то это может свидетельствовать о наличии тесной линейной взаимосвязи между переменными. В данной модели, у большинства переменных значение этого показателя превышает десять, что также указывает на не качественность построенной модели.

Таблица 2.3. Значение показателя ViF для каждой переменной модели

Далее, посредствам пошаговой регрессии из модели исключались наименее значимые показатели, а также те, между которыми присутствовала тесная линейная взаимосвязь. В табл. 2.4 приведены результаты построения модели, в которую были включены следящие объясняющие переменные: натуральный логарифм капитала и резервов (Х₄), натуральный логарифм выручки (Х₉), а также натуральные логарифмы таких переменных как внеоборотные активы и долгосрочные обязательства.

Таблица 2.4 Логит-модель с переменными lnХ4, lnХ9, lnX1, lnX5

В результате, данная модель является наилучшей, так как все коэффициенты в ней получились значимы, что свидетельствует о том, что каждый из них оказывает существенное влияние на вероятность наступления банкротства, а также вероятность теста на равенство нулю для переменной X₄ меньше пяти процентов, а для остальных меньше десяти процентов. Обратим внимание на информационные критерии Шварца и Акаике, как упоминалось ранее, чем ниже значение данных критериев, тем качественнее модель. Так, в модели, включающей в себя все объясняющие переменные эти критерии были равны: , , а в полученной модели - , , что в практически в два раза меньше, чем в исходной. R² исправленный в полученной модели увеличился до 0,76, таким образом данная модель объясняет лишь 76% вариации банкротств. Такой не большой рост R² исправленного можно объяснить большим разбросом в данных.

Ввиду того, что полученная модель является наилучшей, то для нее также необходимо провести тест на выявление линейной зависимости. Для этого рассчитаем показатель ViF для каждой из объясняющих переменных. Результаты расчёта представлены в табл. 2.5.

Таблица 2.5. Значение показателя ViF для каждой переменной модели

После расчета показателей, можно сделать вывод, что мультиколлинениарность между переменными модели отсутствует, так как значение показатели ViF для всех переменных меньше десяти единиц.

В табл. 2.6 приведена корреляционная матрица. Корреляция отражает степень связи между переменными X и зависимой переменной Y [24]. Можно заметить, что между переменными имеется отрицательная корреляция, означающая, что при увеличении (или уменьшении) значения одной переменной, значение другой переменной уменьшается (или увеличивается). Более того, коэффициент корреляции между этими переменными по модулю близок к единице, что еще раз доказывает тот факт, что в модель вошли только значимые объясняющие переменные, которые оказывают сильное влияние на зависимую переменную. В данном случае, влияние можно интерпретировать следующим образом: при увеличении значения объясняющей переменной, значение зависимой переменной будет возрастать и наоборот, при уменьшении объясняющей - значение зависимая переменная будет вырастать.

Табл 2.6. Корреляционная матрица.

Из переведенного анализа модели можно сделать вывод, что построенная модель имеет правильную спецификацию, так как всей отсутствует мультиколлинениарность и все переменные значимы. Таким образом, разработанную модель можно применять на практике.

2.3 Сравнение моделей оценки вероятности банкротства компаний

Проведем сравнение разработанной в рамках данной работы модели с общепринятыми logit-моделями оценки вероятности банкротства. Расчеты целесообразно проводить на основе бухгалтерской отчетности одного предприятия. Для анализа возьмем данные компании ПАО «Метафракс» за последние два года. Бухгалтерская отёчность предприятия представлена в Приложении B. В настоящий момент, компания позиционируется как финансово устойчивая, тем не менее рассчитаем вероятность ее банкротства по моделям Д. Олсона [12] и Д. Чессера [13]. В табл. 2.7 и 2.8 соответственно представлены результаты расчётов.

Таблица 2.7. Расчет вероятности банкротства ПАО «Метрафракс» по модели Д.Олсона

Таблица 2.8. Расчет вероятности банкротства ПАО «Метрафракс» по модели Д. Чессра

Таким образом, согласно моделям Д.Олсона и Д.Чессреа предприятие Метафракс финансового устойчиво.

Рассчитаем вероятность банкротства по разработанной модели. Результаты вычислений представлены в табл. 2.9.

Таблица 2.9. Расчет вероятности банкротства ПАО «Метрафракс» по разработанной модели

По предложенной модели, финансовое состояния ПАО «Метафракс» можно интерпретировать как абсолютно устойчивое, вероятность банкротства составляет ноль процентов. Стоит отметить, что по модели Д. Чессера вероятность составляла четыре процента, это не значительный процент, который можно объяснить тем, что модель Д. Чессера зачастую применяется при проведении оценки финансового состояния банков

Сравнивая разработанную модель с другими ранее проанализированными методиками можно выделить ряд преимуществ:

1. Учет российских экономических условий - модель была построена на основе выборки из российских предприятий;

2. Легкость интерпретации результатов - зависимая переменная принимает значения в промежутке от нуля до единицы.

В тоже время, можно выделить и недостатки модели:

1. Не учитывается отраслевая специфика деятельности предприятия;

2. Не учитывается организационная форма компании.

Таким образом, можно сделать вывод, что разработанную модель можно использовать на практике с учетом упомянутых ограничений.

2.4 Особенности применения разработанной logit-модели

Исходя из разработанной модели, на вероятность наступления банкротства компании влияют такие показатели, как капитал и резервы, долгосрочные обязательства, внеоборотные активы и выручка компании. Значения коэффициентов брались из бухгалтерской отчетности компании не в чистом виде, а приводились к натуральному логарифму перед вычислением итогового коэффициента.

Первый коэффициент модели это внеоборотные активы, которые в совокупности представляют собой основные средства (здания и сооружения, транспортные средства, оборудование капитальные затраты по улучшению земель и т.д.), нематериальные активы (объекты интеллектуальной собственности: изобретения, программные продукты, информация, обладающая коммерческой ценностью и т.д.) и долгосрочные финансовые вложения компании. Иными словами, внеоборотные активы -- это ресурсы, которые использует компания для оказания услуг или производства продукции, то есть имущество фирмы. Внеоборотные активы имею обратную взаимосвязь с вероятностью наступления банкротства, то есть при увлечении данного показателя, вероятность банкротства сокращается, а при уменьшении - увеличивается. Действительно, если основные средства с течением времени утратят свою рентабельность, а на момент утраты, у компании не будет ресурсов на возмещение средств, то вероятность банкротства, в таком случае, возрастет и наоборот, если компания инвестирует в покупку нового оборудования, которое сократит сроки производства и увеличит качество производимой продукции, то финансовое состояние предприятия станет более устойчивым [16].

Второй значимый коэффициент -- это капитал и резервы, который по балансу включает в себя уставной капитал компании (складочный капитал, уставной фонд, вклады товарищей), собственные акции, выкупленные у акционеров, переоценку оборотных активов, добавочный капитал (без переоценки), резервный капитал, а также нераспределенную прибыль (непокрытый убыток). Иными словами, капитал и резервы - это все собственные средства компании. Сокращения капитала и резервов может быть вызвано деятельностью компании, приведшей к убыткам, также распределением прибыли между владельцами акций компании (выплата дивидендов). В обоих случаях собственный капитал компании сокращается, что может ослабить ее финансовое состояние. В построенной модели, данный коэффициент также имеет обратную взаимосвязь с зависимой переменной, что указывает на то, что при увеличении капитала и резервов вероятность наступления банкротства будет уменьшаться и наоборот.

Третьей объясняющей переменной в модели являются долгосрочные обязательства компании. Под долгосрочными обязательствами понимаю задолженность компании по кредитам и займам и налоговые обязательства. Срок исполнения долгосрочных обязательств составляет один финансовый год.

Между долгосрочными обязательствами и вероятностью банкротства присутствует прямая взаимосвязь, означающая, что при увеличении обязательств вероятность банкротства увеличивается. При оценке финансового состояния, нельзя сказать, что наличие долгосрочных обязательств отрицательно сказывается на устойчивости предприятия, более того, их можно прибавить к собственным средствам. Тем не менее, для компаний, находящихся на грани банкротства наличие больших задолженностей по долгосрочным обязательствам может стать определяющим фактором наступления дефолта.

Последним значимым коэффициентом является выручка, которая отражает доход от реализации продукции и является главным источником денежных поступлений и формирования собственных финансовых ресурсов. Сокращение выручки отрицательно сказывается на финансовой устойчивости компании (для большинства предприятий выручка - источник оплаты кредитов и процентов), ровно также как ее увеличение сокращает вероятность дефолта.

Стоит также отметить, что разработанная модель включает в себя только финансовые показатели компании и не учитывает влияние макроэкономических переменных. Более того, для проведения комплексного анализа финансовой устойчивости применяют и качественные показатели такие, как квалифицированность менеджеров высшего звена, рентабельность производимой продукции, эконмическое и политическое состояние страны, конкуренция на рынке и так далее. Все эти факторы носят экспертный характер оценки, что влечет за особой ряд проблем при их оценивании, а также трудности перевода качественных экспертных оценок в количественные данные для учета в эконометрической модели.

Вывод по второй главе

В результате была разработана модель на основе аппарата логистической регрессии, включающая в себя такие объясняющие переменные, как внеоборотные активы, капитал и резервы, долгосрочные обязательства и выручка компании. Все коэффициенты, вошедшие в модель значимы и оказывают сильное влияние на зависимую переменную. Внеоборотные активы, капитал и резервы, выручка компании имеют обратную взаимосвязь с объясняющей переменной, что означает, если значение коэффициента будет увеличиваться (или уменьшаться), то вероятность банкротства будет уменьшаться (или увеличиваться). Долгосрочные обязательства имеют прямую взаимосвязь, тем самым рост обязательств компании может привести к увеличению вероятности наступления банкротства.

Полученная модель может иметь достаточно широкое применение на практике, так как является хорошим инструментом анализа текущего состояния предприятия, ввиду того, что в модели отражаются основные финансовые показатели компании имеющие сильное влияние на его финансовую устойчивость. Достоверность расчета по данной модели была подтверждена проведением оценки финансового состояния ПАО «Метафракс», которое на протяжении последних нескольких лет считается финансово устойчивым.

финансовый устойчивость регрессия банкротство

Глава 3. Проектирование, разработка и тестирование приложения для анализа и оценки финансового состояния предприятия

В данной главе описывается процесс проектирования, разработки и тестирования приложения. В параграфе, посвященном анализу проектированию приложения описываются функциональные и нефункциональные требования к приложению, строятся диаграммы прецедентов и описываются основные прецеденты. В параграфе разработка приложения описывается пользовательский интерфейс и реализация функциональной части. В параграфе тестирование приложения, описываются тестовые сценарии для приложения и результаты их выполнения.

3.1 Анализ и проектирование приложения

В рамках выпускной квалификационной работы предусмотрена разработка приложения на языке высокого уровня. В качестве такого языка был выбран C#, а средой разработки Microsoft Visual Studio. В ходе анализа инструментов программирования было принято решение разработать веб-приложение, позволяющие оценить вероятность наступления банкротства. Шаблоном веб-приложения были выбраны web-формы.

Разрабатываемое приложение должно предоставлять возможность пользователю оценить вероятность наступления банкротства того или иного предприятия на основе разработанной ранее логит-модели, а также и при помощи других, рассмотренных раннее моделей: Э. Альтмана, У. Бивера, Р. Лисса, Р. Тафлера, Давыдовой-Белякова, Д. Олсона, Д. Чессера и М.В. Евстопова. Более того, приложение должно поддерживать функции загрузки данных для анализа в виде Excel-файл или поддерживать ручной ввод данных пользователем, в том случае, если нет возможности загрузить балансовую отчетность. Если пользователь не знает какие данные нужны для анализа или хочет протестировать работу приложения перед применением на главной странице приложения предусмотрена функция загрузки тестового примера данных для анализа. Также на главной странице пользователю доступен шаблон форматирования данных анализа. Данный шаблон сокращает вероятность возникновения ошибки на этапе загрузки данных. После того, как пользователь загрузил или ввел данные для анализа приложение рассчитывает вероятность наступления банкротства и выводит результат моделирования на форму.

Таким образом можно выделить следующие функциональнее требования:

1. Приложение должно обеспечивать загрузку данных для анализа двумя способами:

a. Пользователь вводит данные для анализа вручную;

b. Пользователь загружает данные для анализа в виде Excel файла;

2. Приложение должно обеспечивать возможность загрузки шаблона данных, представляющего собой Excel файл, содержащий шапку с названиями всех переменных, применяемых для анализа;

3. Приложение должно обеспечить возможность загрузки тестового примера данных, позволяющего пользователю перед применением приложения протестировать его работу, а также пример демонстрирует каким образом должны быть организованы входные данные в файле;

4. Приложение должно обеспечивать вычисление вероятности наступления банкротства, для этого, необходимо обеспечить:

a. Выбор методики проведения анализа - MDA-модель либо Logit-модель;

b. Выбор модели оценки вероятности банкротства, в зависимости от выбранной методики проведения анализа;

c. Расчёт коэффициентов для выбранной пользователем модели;

d. Расчет значения итогового коэффициента;

5. Приложение должно вывести результаты прогнозирования на форму.

Также были выделены следующие нефункциональные требования:

1. Приложение должно быть разработано в среде Microsoft Visual Studio при помощи web-форм;

2. Функциональная часть приложения должна быть написана на языке C#;

3. Для создания пользовательского интерфейса должен быть применен язык разметки HTML и формальный язык описания внешнего вида документа CSS.

Исходя из изложенных функциональных требований можно выделить основные прецеденты. Под прецедентом понимают функциональность системы, позволяющая пользователю получить некий значимый для него результат. Каждый прецедент соответствует отдельной возможности системы, позволяющей пользователю получить ответ на его запрос к системе. Иными словами, прецеденты представляют собой варианты использования системы пользователем.

В табл. 3.1 приведены выделенные прецеденты, расположенные по субъектам. В разрабатываемом приложение будет только один субъект - пользователь.

Таблица 3.1 Основные прецеденты и субъекты

Распределение прецедентов между субъектами системы является одной важных задач на этапе проектирования системы, так как на данном этапе четко определяются границы системы, определяются ключевые актеры и их взаимодействие системой, а также выделяются основные сценарии использования системы [17]. На рис. 3.1 представлена диаграмма прецедентов

Рисунок 3.1. Диаграмма прецедентов

Первым выделенным прецедентом является загрузка данных для анализа, которая осуществляется. Для того, чтобы пользователь мог загрузить данные на форме реализована кнопка «Загрузить данные». После того, как пользователь нажал на кнопку, открывается диалоговое загрузки данных, в котором пользователь выбирает путь, по которому храниться файл с данными. В случае успешной загрузки данных кнопка «Рассчитать» становится активной, в противном случае приложение выдает сообщение об ошибке - неверный формат данных. В табл. 3.2 приведена документация рассмотренного прецедента.

Таблица 3.2. Прецедент «Загрузка данных для анализа в формате Excel»

Следующим выделенным прецедентом является загрузка данных для анализа пользователем вручную. Для осуществления загрузки данных данным способом на форме реализована кнопка «Ввести данные». После нажатия кнопки, поля ввода отображаются на форме, пользователь может ввести в них данные. Если данные были введены верно, то кнопка «Рассчитать» становится доступной, в противном случае, пользователю необходимо ввести данные заново, так как система выдаст сообщение об ошибке. В табл. 3.3 приведена документация рассмотренного прецедента.

Скачиванием примера данных и шаблона данных имеют практические одинаковые основные потоки. Пользователь с главной формы нажимает одну из соответствующих кнопок, приложение инициирует открытие диалогового окна сохранения файла, в котором пользователь выбирает путь его сохранения. В случае если пользователь сменил расширения файла или на его персональном компьютере недостаточно места, то приложение выдаст соответствующее предупреждение. Принципиальное различие между рассмотренными прецедентами заключается в том, что загружаемые файла имеют различный контент, а с программной точки зрения вызываются из разных функций. В табл. 3.4 и 3.5. приведена документация рассмотренных прецедентов.

Таблица 3.5. Прецедент «Скачивание шаблона данных для анализа»

Выбор методики проведения оценки вероятности банкротства осуществляется из главного меню приложения. Пользовать нажимает соответствующую ссылку - MDA-модели, Logit-модели - и приложение перенаправляет его на форму с выбранной методикой. В данном случае, альтернативный поток может быть вызван только сбоем на сервере. В табл. 3.6 приведена документация рассмотренного прецедента.

Таблица 3.6. Прецедент «Выбор методики проведения оценки вероятности банкротства»

Выбор модели проведения оценки вероятности банкротства осуществляется посредствам нажатия одного из RadioButtom в левом контекстном меню формы. После активации RadioButtom пользователю становятся доступны кнопки выбора загрузки данных. Альтернативный поток, как и в случае с выбором методики проведения анализа, вызывается только сбоем на сервере приложения. В табл. 3.7 приведена документация рассмотренного прецедента.

Таблица 3.7. Прецедент «Выбор модели проведения оценки вероятности банкротства»

Расчет вероятности наступления банкротства становится доступным, если пользователь выбрал методику и модель оценки, а также загрузил или ввел данные для анализа. Если данные были введены или загружены в корректном формате, то прецедент можно считать успешным. В табл. 3.8 приведена документация рассмотренного прецедента.

Таблица 3.8. Прецедент «Расчет вероятности наступления банкротства»

Просмотр результатов прогнозирования становится доступным после вычисления модели, если предусловия были выполнены без возникновения ошибок. Результаты анализа выводятся в отдельную метку на форме в понятной пользователю интерпретации.

Таблица 3.9. Прецедент «Просмотр результатов прогнозирования»

В приведенных выше таблицах описаны основные прецеденты приложения. На следующем этапе для каждого из прецедентов необходимо реализовать диаграммы активности и последовательности, которые представлены в приложениях C и D к данной выпускной квалификационной работе.

На основе построенных диаграмм активности была сгенерирована диаграмма классов, представленная на рис. 3.2

Рисунок 3.2. Диаграмма классов

Из представленной диаграммы видно, что разрабатываемое приложение будет иметь три boundary класса - MainForm, LogitFom, MDAForm. Граничный класс (или boundary класс) осуществляет взаимодействие пользователя и системы. Для взаимодействия с пользователем в каждом классе сгенерированы методы отклика на его действия. Также в системе сгенерирован один control класс, который отвечает за координацию действий других классов [17]. В управляющем классе реализованы методы расчёта эконометрических моделей, которые реализуют основный функционал приложения.

3.2 Разработка и тестирование приложения

3.2.1 Разработка пользовательского интерфейса

В первую очередь необходимо разработать пользовательский интерфейс. Интерфейс приложения состоит из трех форм. На рис. 3.3 представлен интерфейс Главной формы.

На Главной форме отображается краткая информация о том, как работать с приложением и доступно две кнопки, одна для скачивания шаблона данных, другая для загрузки тестового примера. Наличие возможности скачать шаблон данных предотвращает возникновение ошибок в приложении, связанных с неправильным расположением данных на листе в Excel. Наличие тестового примера данных для анализа позволит пользователю перед использованием приложения на своих данных проверить его работу.

Рисунок 3.3. Пользовательский интерфейс главной формы

На рис. 3.4. представлен интерфейс формы Logit-моделей. При первом переходе на форму пользователю доступен перечень моделей прогнозирования, из которых он может выбрать только одну, а также две кнопки «Загрузить данные» или «Вести данные». Если пользователь выбрал первый вариант, то открывается диалоговое окно загрузки файла, а после кнопка «Рассчитать». Если пользователь выбрал второй вариант - ввести данные - то становятся активными поля для ввода данных, аналогично кнопка «Рассчитать» становится активной. Также внизу предусмотрено поле для вывода результатов прогнозирования. На рис. 3.4. представлен скриншот формы со всеми элементами.

Форма просмотра MDA-моделей спроектирована аналогично с формой Logit-моделей и представлена на рис. 3.5. Стоит отметить, что на приставленных скриншотах, перед полями для ввода стоит метка lable, это реализовано для того, чтобы в будущем, в зависимости от выбранной пользователем модели, в данную метку передавались наименование коэффициентов, которые необходимо ввести.

Рисунок 3.4. Пользовательский интерфейс формы Logit-моделей

Также, можно заметить, что на форме представлено избыточное количество полей для ввода. Поскольку каждая модель имеет разное количество входных коэффициентов, то рисовать отдельно поля ввода в зависимости от модели нецелесообразно, поэтому избыточные поля скрываются в зависимости от выбранной пользователем модели.

Рисунок 3.5. Пользовательский интерфейс формы MDA-моделей

Форма справка представляет собой раздел контактной информации. По предложенному адресу в разделе можно отправить свои пожелания или отчеты об ошибках. Скриншот формы справочной информации представлен на рис. 3.6.

Рисунок 3.6. Пользовательский интерфейс формы справочной информации.

3.2.2 Реализация основных функций

В приложение обеспечивается выполнение следующих функций:

1. Обеспечение загрузки данных для анализа в приложение.

В приложении предусмотрено два варианта загрузки данных - ручной ввод значений коэффициентов и загрузка данных в формате Excel. Ручной ввод осуществляется посредствам заполнения элементов управления textbox. Данные введенные в поле textbox приводятся к типу double, если приведение типа невозможно (пользователь ввел текст или символы), то приложение выдает соответствующую ошибку. После того, как пользователь ввел данные кнопка «Рассчитать» становится активной.

Для обеспечения загрузки данных в формате Excel были подключены библиотеки Microsoft.Office.Interop.Excel и System.Data.OleDb. Первая обеспечивает взаимодействие с компонентом Microsoft Excel, другая обеспечивает использование Excel в качестве базы данных. К файлу Excel создается подключение при помощи метода String.Format, в котором прописывает путь файлу, содержащему данные для анализа. Затем при помощи запроса SELECT из файла отбираются необходимые значения. Для корректной работы данной функции необходимо, чтобы данные имели определенную структуру, которая представлена в тестовом примере, доступном для загрузки с главной страницы. Также на главной странице имеется шаблон Excel-файла, который уже имеет заданную структуру и пользователю лишь необходимо дополнить его данными. Если данные будут иметь другую структуру приложение выдаст сообщение об ошибке.

Вызов метода загрузки данных в формате Excel осуществляется при нажатии кнопки «Загрузить данные». После того, как данные были загружены с использование данного типа загрузки, кнопка выбора ручного ввода данных становится неактивной.

2. Приложение должно обеспечивать возможность загрузки тестового примера данных и шаблона данных:

Шаблон данных представляет собой Excel файл, с заданной структурой. В шапке файла прописаны наименования всех коэффициентов, которые могут быть использованы для моделирования. Файл с тестовыми данными имеет такую же структуру, как и Excel файл, но уже содержит данные для анализа. Загрузка данных осуществятся после нажатия кнопки «Скачать» на главной странице сайта. В методе сохранения файла прописан путь его расположения в файловой системе.

3. Приложение должно обеспечивать возможность выбора метода проведения финансового анализа. Пользователь может выбрать как MDA модель, так и модель бинарного выбора:

На главной странице приложение реализовано меню, содержащее в себе пункты: Главная, MDA-модели, Logit-модели и Справочная информация. Переключение между элементами реализовано при помощи ссылок, каждая ссылка ведет на отдельную страницу приложения. Ссылки на страницы реализованы в html-файле разметки при помощи тега <a>, в атрибуте href хранится адрес запрашиваемой формы.

4. Приложение должно обеспечить возможность выбора модели прогнозирования банкротства:

На странице методики проведения анализа приведен перечень доступных моделей. Выбор модели осуществляется активацией элемента RadioButton, при этом другие элементы этого же типа становятся неактивными. После того, как пользователь активировал RadioButton, кнопки выбора типа загрузки данных становятся активными. Если пользователь выбрал ручной ввод, то кнопка автоматизированной загрузки становится неактивной, при этом в правой части формы появляются поля ввода показателей и кнопка рассчитать, а также метка, для вывода результатов прогнозирования. Если пользователь выбрал автоматизированную загрузку, то неактивной становится кнопка ручной загрузки, также появляется кнопка «Рассчитать» и метка вывода результатов. Активация элементов осуществляется через свойство Control.Enable, значение True отвечает за активность элемента и присваивается ему по умолчанию, значение False делает элемент не активным. За видимость элементов на форме отвечает свойство Control.Visible, также, как и в свойстве Control.Enable, значение True отвечает за активность элемента, то есть делает его видимым, значение False делает элемент не видимым. По умолчанию каждый из элементов виден пользователю.

5. Приложение должно рассчитать значение итогового коэффициента:

Для расчёта вероятности наступления банкротства был реализован класс Models.cs, содержащий в себе методы вычисления коэффициентов и итогового показателя всех моделей. Каждый из методов принимает на входе значения коэффициентов в формате double. Для корректной работы при ручном вводе значения из TextBox конвертируются в тип double при помощи метода Convert.ToDouble. Также методы возвращают значение результирующего показателя, который также имеет тип double.

6. Приложение должно вывести результаты прогнозирования на форму:

Для вывода результатов моделирования на каждой форме реализована метка lable, принимающая в себя значение переменной, хранящей результат моделирования. При этом, в метку также выводится и интерпретация результата.

Листинг функциональной части приложения и пользовательского интерфейса приведен в приложении D к данной выпускной квалификационной работе.

3.3.3 Тестирование работы приложения

Для тестирования работы приложения были разработаны тестовые сценарии, представленные в приложении F к выпускной квалификационной работе. Тестирование проводилось по критерию черного ящика. Суть такого подхода заключается в тестировании готовых модулей программного кода. Объекты тестирования рассматриваются как черные ящики, обладающие интерфейсами, на вход которых поступает определенное значение, а на выходе программа возвращает ожидаемое выходное значение.

К тестированию критерием черного ящика относится комплексное или системное тестирование, проводимое непосредственно перед передачей программного продукта заказчику. Целью такого тестирования является проверка соблюдения выдвинутых функциональных и нефункциональных требований к системе [18].

Выводы по третьей главе

В результате, было разработано приложение для анализа и оценки финансового состояния компании. Приложение предоставляет пользователю возможность выбора методики проведения анализа: с применением MDA-моделей или Logit-моделей. Для каждой из методик была реализована собственная форма взаимодействия с пользователем, на которой располагается перечень доступных для анализа моделей и кнопки выбора способа загрузки данных. Если пользователь выбирает ручную загрузку, то на форме отображаются поля для ввода коэффициентов, кнопка «Рассчитать» и метка для вывода результатов прогнозирования. Если же пользователь выбрал загрузку данных из файла, то приложение вызывает диалоговое окно загрузки файла, отображает кнопку «Рассчитать» и метку для вывода результатов прогноза. Пользователь также может скачать с главной формы приложения тестовый пример данных, позволяющий пользователю протестировать работу приложения перед применением и разобраться в логике его работы. Более того, на главной форме реализована возможность загрузки шаблона данных, содержащего в себе шапку с наименованием необходимых коэффициентов для прогнозирования по любой из предложенных моделей. Таким образом, можно сделать вывод, что выдвинутые функциональные требования были реализованы.

Заключение

В рамках данной выпускной квалификационной работы проводился анализ существующих методов прогнозирования банкротства компаний. Были рассмотрены основные подходы к моделированию вероятности банкротства - модели, основанные на базе мультипликативного дискриминантного анализа и модели на основе логистической регрессии. На основе проведенного исследования было выявлено, что наибольшей прогностической способностью обладают logit-модели, так как результаты прогнозирования с применением таких моделей дают однозначн...