Анализ финансовой устойчивости компаний на основе моделей прогнозирования банкротства

Финансовая математика...

Автор:
Источник: Журнал “АУДИТОР” №3-2020
Опубликовано: 8 Апреля 2020

Данная статья посвящена исследованию финансовой устойчивости компаний на основе моделей прогнозирования банкротства. Авторами проведен анализ отчетных данных 22 торговых отечественных и зарубежных компаний, обанкротившихся в последние пять лет. В статье проведен сравнительный анализ с целью выявить модель, наиболее точно прогнозирующую наступление банкротства.

Введение

Для оценки финансовой устойчивости ком­паний наряду со стоимостными показателями и финансовыми коэффициентами широко ис­пользуются различные модели прогнозирования банкротства. Исследовательская задача данной статьи заключается в предметном анализе моде­лей прогнозирования банкротства на примере банкротств зарубежных и отечественных тор­говых компаний. Особую научную и практиче­скую значимость этой теме придает возросшее количество банкротств торговых компаний с многовековой историей. Так, 18 сентября 2017 г. американская компания, специализирующаяся на розничной торговле игрушками, одеждой и другими товарами для детей — Toys «R» Us — за­явила о банкротстве. Компания присутствовала на рынке игрушек более 65 лет и владела 1691 магазином в мире с годовой выручкой 11,5 млрд. долларов [1]. Другим ярким примером недавнего банкротства стала крупнейшая американская торговая компания Sears, управляющая несколь­кими международными сетями розничной тор­говли с выручкой более 16,7 млрд. долларов в 2017 г., которая заявила о банкротстве в октябре 2018 г. [2]. В целом с 2017 г. торговые компании в США закрыли более 15 000 магазинов.

В последнее время широкое использование получил термин «розничный апокалипсис», произошло это после того, как многие круп­нейшие розничные торговые сети объявили о планах реорганизации и банкротства, в том числе HH Gregg (2017), Family Christian Store (2017), Claire's (2018), Nine West (2018), Diesel (2019), Gymboree (2019), а акции компаний по производству и продаже одежды, включая Lululemon, Urban Outfitters, American Eagle, упали до нового минимума. По оценкам ин­вестиционного банка UBS, к 2026 г. около 75 000 магазинов, торгующих одеждой, элек­троникой и мебелью, закроются [3]. В этой связи растет значимость прогнозирования банкротства как инструмента оценки финан­совой устойчивости компаний.

Литературный обзор

Несмотря на то, что вопросы определения и оценки финансовой устойчивости рассмат­риваются в большом количестве научных работ, начиная от фундаментальных изданий по экономическому анализу и финансовому менеджменту и заканчивая специальными публикациями, посвященными финансовой устойчивости, в академической практике не сформировалось единого подхода к трак­товке этой категории. В российской научной литературе авторы зачастую не формулируют непосредственное определение финансовой устойчивости; вместо этого они перечисляют признаки, характеризующие финансово устой­чивую компанию, тем самым раскрывая со­держание данного понятия.

К числу таких признаков относятся: способность компании функционировать на основе самофинансиро­вания, ее инвестиционная привлекательность, а также устойчивая платежеспособность. Многие авторы идентифицируют финансовую устойчивость с платежеспособностью, делая основной акцент на эффективном управлении собственным и заемным капиталом в контек­сте стабильного функционирования компании. По сути, авторы соотносят финансовую устой­чивость предприятия с долгосрочной стабиль­ностью его деятельности, которая определя­ется общей структурой средств, направлени­ями их использования, соотношением соб­ственных и заемных источников средств, а также степенью зависимости предприятия от инвесторов и кредиторов. Таким образом, российские авторы сходятся в том, что фи­нансовая устойчивость — это многомерное экономическое понятие. Оно является более широким, чем платежеспособность, выступа­ющая лишь как одно из условий финансовой устойчивости предприятия наряду с другими факторами, такими как структура собственных и заемных средств, ликвидность активов, равномерность денежного потока, качество прибыли и др.

В зарубежных источниках эквивалентом понятия “финансовая устойчивость” являют­ся термины “financial stability”, “financial sustainability”, “financial solvency”. Термин “financial stability”, который используют Все­мирный Банк, Международный Валютный Фонд и Европейский Центральный Банк для характеристики устойчивости финансовой системы на макроуровне, при которой она способна противостоять шокам и урегулиро­вать финансовые диспропорции, отличается от принятой в научной литературе трактовки финансовой устойчивости как характеристи­ки финансового положения предприятия.

Термин “financial sustainability” использу­ется главным образом в контексте устойчи­вого развития компании. Согласно исследо­ванию издания MIT Sloan Management Review и консалтинговой фирмы The Boston Consulting Group, для 90% предприятий устойчивое раз­витие является одним из ключевых факторов поддержания конкурентоспособности, а 60% предприятий разрабатывают стратегию устой­чивого развития [4]. Стратегия устойчивого развития предполагает ориентацию компании на рост эффективности деятельности, макси­мизацию создаваемой стоимости и минимиза­цию рисков. В этих целях компании внедряют экологически эффективные инновации, созда­ют рабочие места, требующие высококвалифи­цированной рабочей силы, оказывают под­держку поставщикам, занимаются филантро­пической деятельностью [5]. Таким образом, термин “financial sustainability” по своему со­держанию является более широким, чем по­нятие «финансовая устойчивость», использу­емое в российской научной литературе.

В зарубежных научных работах часто ис­пользуется термин “financial solvency”, также переводимый на русский язык как “финансо­вая устойчивость”. Однако содержание этого термина в зарубежных исследованиях зачастую сводится к долгосрочной платежеспособности предприятия. Так, Л.А. Бернстайн в своей работе “Анализ финансовой отчетности: теория, практика и интерпретация” соотносит данный термин с платежеспособностью ком­пании в долгосрочной перспективе и отмеча­ет, что в ее обеспечении ключевую роль играет соотношение собственных и заемных средств [6]. Схожий подход используют Т. Робинсон, Э. Хенри, В. Пири и М. Бройхан в своей работе “Анализ международной финансовой отчет­ности”. Авторы рассматривают термин “solvency” как характеристику способности компании отвечать по своим долгосрочным обязательствам, а ее оценку они предлагают осуществлять при помощи показателей фи­нансового рычага (leverage ratios) и долгосроч­ной задолженности (long-term debt ratios) [7]. Таким образом, можно сделать вывод о суще­ственных различиях между содержанием по­нятия “финансовая устойчивость”, принятым в российской академической практике, и со­держанием понятия “financial solvency”. Термин “financial solvency” фактически вы­ступает синонимом платежеспособности, в то время как в отечественной трактовке плате­жеспособность является лишь одним из фак­торов, указывающих на устойчивость финан­сового положения предприятия.

Также в зарубежной научной литературе зачастую рассматриваются понятия, являю­щиеся антонимами финансовой устойчиво­сти, — “financial distress” или “insolvency”. Наряду с этим распространен подход к оценке финансовой устойчивости на основе моделей прогнозирования банкротства. В работах, по­священных вопросам прогнозирования бан­кротства компаний, авторы предлагают судить об устойчивости или неустойчивости финан­сового состояния предприятия исходя из рас­чета показателей платежеспособности, лик­видности и рентабельности. В этом случае содержание понятия “финансовая устойчи­вость” выходит за рамки платежеспособности.

Обобщая все вышесказанное, можно конста­тировать существенные различия в подходах к определению финансовой устойчивости в оте­чественной и зарубежной академической лите­ратуре. Термин “financial solvency”, наиболее часто фигурирующий в иностранных научных работах и фактически являющийся синонимом платежеспособности, по своему содержанию значительно уже понятия “финансовая устой­чивость”, сложившегося в российской академи­ческой практике. Вместе с тем рассмотрение финансовой устойчивости как антонима близо­сти к банкротству выводит эту категорию за пре­делы платежеспособности и связывает ее не только с показателями платежеспособности, но и с другими индикаторами.

Учитывая то, какое большое практическое значение имеет анализ финансовой устойчи­вости для предприятий, изучение различных концепций финансовой устойчивости как российских, так и иностранных, приобретает особую актуальность. Основываясь на про­веденном исследовании, можно предложить определение финансовой устойчивости как способности организации к стабильному осу­ществлению своей деятельности в долгосроч­ном периоде в условиях различных рисков ведения бизнеса на основе обеспечения пла­тежеспособности, поддержания ликвидности и роста рентабельности.

Вопросы финансовой устойчивости между­народных компаний были рассмотрены авто­рами в предыдущих публикациях, где они про­анализировали позиции отечественных и за­рубежных ученых, инструкции и рекомендации российских и международных регулирующих органов, а также практику применения кон­цепции финансовой устойчивости корпораци­ями и уточнили ее основные характеристики [8-11]. В данной статье финансовая устойчи­вость рассматривается в контексте анализа моделей прогнозирования банкротства.

Исследование

В данной статье сделан акцент на примене­ние различных моделей для прогнозирования банкротства, в то же время авторы понимают, что другие подходы к анализу финансовой устойчивости компаний, основанные на сто­имостных показателях и коэффициентах, также используются для анализа банкротства. К таким показателям неоднократно обращал­ся в своих работах д-р экон. наук, профессор А.Д. Шеремет [12].

Поскольку коэффициентный анализ в оте­чественной и зарубежной литературе доста­точно подробно освещен, а также был рас­смотрен в предыдущих статьях, авторы по­считали приоритетным сфокусироваться в данном исследовании на применении моде­лей прогнозирования банкротства.

Устойчивость финансового состояния ком­пании можно оценивать исходя из того, не угро­жает ли ей банкротство. С этой точки зрения компания, близкая к банкротству, является финансово неустойчивой, в то время как ком­пания, которая далека от банкротства, рассма­тривается как финансово устойчивая. В целях прогнозирования возможного банкротства исследователями разработано множество мо­делей, использующих различные подходы к оценке вероятности банкротства. В рамках данной статьи мы рассмотрим лишь некоторые, наиболее распространенные модели — модели множественного дискриминантного анализа, или MDA-модели, и рейтинговые модели. Эти две группы моделей отличаются друг от друга способом определения весовых значений ко­эффициентов: в MDA-моделях используется инструментарий множественного дискрими­нантного анализа, а в рейтинговых моделях — экспертные оценки.

Первые модели прогнозирования банкрот­ства появились еще в 1960-1970-х гг. Одним из основоположников оценки финансовой устойчивости компании и прогнозирования банкротства является американский ученый Эдвард Альтман [13], который предложил оце­нивать финансовую устойчивость на основе интегрального показателя. Разработанная им MDA-модель оценки финансовой устойчивости получила название пятифакторной модели Альтмана, или “Z-score”, где каждому из фак­торов присвоен свой весовой коэффициент. Компании делятся на финансово устойчивые (sound) и потенциальные банкроты (financially distressed) исходя из значения индекса “Z”, рас­считываемого по формуле:

Z = 1,2А1 + 1,4А2 + 3,3А3 + 0,6А4 + 1,0А5, (1.1)

где А1 — оборотный капитал / итог активов (Working capital/Total assets); А2 — нераспре­деленная прибыль / итог активов (Retained earnings/Total assets); А3 — прибыль до на­логов и процентов (EBIT) / итог активов (Earnings before interest and taxes/Total assets); A4 — рыночная стоимость капитала / балан­совая стоимость обязательств (Market value of equity/Book value of total debt); А5 — вы­ручка / итог активов (Sales/Total assets) [14].

Эмпирическая проверка модели Альтмана показала, что вероятность банкротства явля­ется крайне высокой при Z < 1,81 и чрезвычай­но низкой при Z > 2,99. Значение Z-счета в ди­апазоне 1,81 < Z < 2,99 характеризуется как зона неопределенности (Zone of ignorance, gray area), в которой нельзя однозначно судить о наступле­нии банкротства. Можно лишь говорить о боль­шей или меньшей вероятности наступления банкротства: банкротство скорее произойдет при 1,81 < Z < 2,675 и скорее не произойдет при 2,675 < Z < 2,99; при Z = 2,675 вероятность бан­кротства равняется 50% [13].

Позднее исследователь предложил опреде­лять величину Z-счета в отношении предпри­ятий, акции которых не котируются на бирже, следующим образом [14]:

Z = 0,717А1 + 0,847А2 + 3,107А3 + 0,42А4 + 0,995А5, (2)

где А4 — соотношение величины балансовой сто­имости акций и задолженности хозяйству­ющего субъекта (остальные коэффициенты аналогичны указанным в выражении 1).

В 1978 г. канадским исследователем Гордоном Спрингейтом на основании модели Альтмана и пошагового дискриминантного анализа была разработана четырехфакторная модель про­гнозирования вероятности банкротства пред­приятия, в которой частично использовались коэффициенты из модели Э. Альтмана, но с дру­гими весовыми значениями:

Z = 1,03Х1 + 3,07Х2 + 0,66Х3 + 0,4Х4, (3)

где Х1 — оборотный капитал/итог активов (Working Capital/Total Assets); Х2 — прибыль до уплаты процентов и налогов/итог активов (Net Income before Interest and Taxes/Total Assets); Х3 — прибыль до уплаты налогов/краткосрочные обязательства (Net Income before Taxes/ Current Liabilities); Х4 — выручка/итог акти­вов (Sales/Total Assets) [15].

Полученный результат интерпретируется следующим образом: при Z < 0,862 банкрот­ство скорее вероятно, чем невероятно; при Z > 0,862 банкротство скорее невероятно, чем вероятно; при Z = 0,862 вероятность банкрот­ства составляет 50%.

Среди российских моделей стоит отметить MDA-модель Иркутской ГЭА, рейтинговые модели Сайфуллина-Кадыкова, Зайцевой.

Модель Иркутской государственной эко­номической академии (Модель Беликова-Да­выдовой, 1998 г.). Российские ученые А.Ю. Бе­ликов и Г.В. Давыдова предложили следующую четырехфакторную модель прогнозирования банкротства:

R = 8,38 х К1 + К2 + 0,054 х К3 + 0,63 х К4, (4)

где К1 — рабочий капитал/ итог активов; К2 — чистая прибыль/собственный капитал пред­приятия; К3 — выручка от реализации/ итог активов; К4 — чистая прибыль/затраты (под затратами понимается полная себестоимость) [16].

Исходя из полученных значений R, вероят­ность банкротства оценивается как:

  • максимальная (90-100%) — при R < 0;
  • высокая (60-80%) — при 0 < R < 0,18;
  • средняя (35-50%) — при 0,18 < R < 0,32;
  • низкая (15-20%) — при 0,32 < R < 0,42;
  • минимальная (до 10%) — при R > 0,42 [16].

Рейтинговая модель Сайфуллина-Кадыко­ва. Российские исследователи Р.С. Сайфуллин и Г.Г. Кадыков разработали пятифакторную модель прогнозирования банкротства:

R = 2 x Kо + 0,1 x Kтл + 0,08 x Kи + 0,45 x Kм + Kпр, (5)

где Ко = (собственный капитал — внеоборотные активы)/оборотные активы; Ктл = оборотные активы/краткосрочные обязательства; Ки= выручка/средняя величина итога активов; Kм = чистая прибыль/выручка; Kпр = чистая прибыль/средняя величина собственного капитала [17].

Рекомендуются следующие минимальные значения коэффициентов: Ко>0,1; Ктл> 2; Kи > 2,5; Kм > 0,445; Kпр > 0,2. Величина Л считается равной 1 при равенстве фактических зна­чений коэффициентов рекомендуемым мини­мальным значениям; при Л > 1 финансовое по­ложение компании считается удовлетворитель­ным, а при Л < 1 — неудовлетворительным [17].

Рейтинговая модель О.П. Зайцевой. Про­фессор Сибирского университета потреби­тельской кооперации О.П. Зайцева предложи­ла использовать для прогнозирования бан­кротства шестифакторную модель. Вероят­ность наступления банкротства определяется на основе комплексного коэффициента бан­кротства (Ккомпл), рассчитанного следующим образом:

Ккомпл. = 0,25 x Ку.п. + 0,1 x Кз + 0,2 x Кс + 0,25 x Ку.р. + 0,1 x Кф.р. + 0,1 x Кзаг., (6)

где Куп = чистый убыток/собственный капитал; Кз = кредиторская задолженность/дебитор­ская задолженность; Кс = краткосрочные обязательства/(денежные средства + кратко­срочные финансовые вложения); Ку.р. = чистый убыток/выручка; Кфр = заемный ка­питал/собственный капитал; Кзаг   = активы/выручка [18].

Вероятность банкротства оценивается путем сопоставления фактического комплексного коэффициента банкротства с его величиной, рассчитанной по рекомендуемым значениям факторов. Минимальные рекомендуемые значения показателей следующие: Ку.п. = 0 (т.е. компания не несет убытков), Кз = 1, Кс = 7, Ку.р. = 0 (т.е. компания не несет убытков), Кф.р. = 0,7; Кзаг. не должен превышать уровня предшествующего периода [18]. Если фактическое значение комплексного коэффициента банкротства превышает нормативное, это говорит о высокой вероятности банкротства; в обратном случае вероятность банкротства низка.

Сегодня зарубежные авторы предлагают и другие модели прогнозирования финансовой устойчивости, основанные на новых эконо­мико-математических методах, нейросетевых моделях построения бинарного дерева клас­сификации (BCT — Binary Classification Tree), экспертных оценках. Также популярны рей­тинговые оценки финансовых рисков компа­ний, такие как EDF (Expected Default Frequency) Credit Measure Moody's, Trade Credit Service Standard & Poor's Corp, Fitch CRS (Credit Rating System).

Описание выборки и методики исследования

В рамках данной статьи авторы исследова­ли возможности выявления компаний, на­ходящихся на грани банкротства, при помощи пяти моделей прогнозирования банкротства, использовав также сравнительный анализ, обобщение, выборку, классификацию. Для анализа были отобраны как зарубежные, так и отечественные модели, которые можно рас­считать непосредственно по данным финан­совой отчетности компаний. Расчет моделей осуществлялся для 22 компаний торговой от­расли России и США, обанкротившихся в по­следние пять лет. К российским исследуемым компаниям, объявившим о банкротстве в по­следние пять лет, относятся АО «ТД Янтар­ный», ООО «Пивдом», ООО «Срединный Путь», ООО «Мр-Трейдинг», ООО «Восточно­европейская дистрибьютерская компания», ООО «Джессика Ланд», ООО «Дионис», ООО «Магнатэк», ООО «Гарбис», ООО «Декорт», ОАО «Торгово-Производственная Компания Яшма», ООО «Арсенал Трейд», ООО «Атлас», ООО «Бытовая Электроника», ООО «Мир Мягкой Игрушки». К американским исследу­емым компаниям, объявившим о банкротстве в последние пять лет, относятся: Tops Holding, Soupman, Katy Industry, Toys «R» Us, Sears, Clair's, Gymboree. Расчет моделей осущест­влялся по данным финансовой отчетности, выпущенной за год до даты принятия соот­ветствующего решения судом. Основываясь на полученных результатах, авторы проана­лизировали точность прогнозирования бан­кротств и финансовой устойчивости компаний при помощи различных моделей.

Результаты

Для проанализированных 22 торговых ком­паний наиболее точными в прогнозировании банкротств оказались модели Сайфуллина-Кадыкова и Спрингейта, продемонстрировав­шие 86% и 77% точность предсказаний (табл. 1).

С учетом наблюдений, попавших в зону неопре­деленности, высокую точность показала модель Альтмана: она верно классифицировала 64% наблюдений, а 27% отнесла к зоне неопределен­ности, в которой нельзя однозначно судить о банкротстве. Менее точной оказалась модель Зайцевой: она продемонстрировала 71% точ­ность наблюдений. Наихудший результат по­казала модель Иркутской ГЭА: правильно клас­сифицировав 32% наблюдений, она неверно указала на финансовую устойчивость для 45% наблюдений.

Сначала обратимся к модели Иркутской ГЭА, чтобы понять, чем обусловлена низкая точность в выявлении обанкротившихся ком­паний. Расчет модели Иркутской ГЭА для 22 обанкротившихся компаний торговой от­расли показал, что на величину показателя Л, используемого для оценки вероятности бан­кротства, наибольшее воздействие оказывает фактор К1 (Рабочий капитал/итог активов). У большинства компаний, ошибочно отнесен­ных к финансово устойчивым, высокая вели­чина Л была получена именно за счет фактора К1. Модель Иркутской ГЭА предполагает, что у компании, находящейся в предбанкротном состоянии, величина рабочего капитала будет либо отрицательной, либо ненамного превы­шающей ноль, что будет обусловливать от­рицательное или очень низкое значение фак­тора К1. Однако нам представляется, что для торговых предприятий такое допущение является не совсем верным. Специфика деятель­ности торговых компаний подразумевает, что в структуре их баланса высок удельный вес запасов и дебиторской задолженности. Это означает, что у компаний, близких к банкрот­ству, величина рабочего капитала может быть положительной. Таким образом, можно заклю­чить, что низкая точность модели Иркутской ГЭА в прогнозировании банкротств торговых компаний связана с тем, что она не учитывает, что у торгового предприятия, находящегося на грани банкротства, может наблюдаться по­ложительная величина рабочего капитала и вы­сокое отношение рабочего капитала к итогу баланса.

Таблица 1

Точность прогнозирования банкротства обанкротившихся российских и международных предприятий торговой отрасли на основе различных моделей

Модель

Доля компаний в %, классифицированных как:

финансово устойчивые

находящиеся в зоне неопределенности1

банкроты

Модель Альтмана

9%

27%

64%

Модель Спрингейта

23%

77%

Модель Иркутской ГЭА2

45%

23%

32%

Модель Сайфуллина-Кадыкова

14%

86%

Модель Зайцевой

29%

71%

1 В целях обобщения полученных результатов понятие зоны неопределенности, представленное в модели Альтмана, было вве­дено и для других моделей.

2 Компания классифицируется как банкрот при максимальной вероятности банкротства и как финансово устойчивая при ми­нимальной вероятности банкротства. В остальных случаях компания рассматривается как находящаяся в зоне неопределен­ности.

Источник: составлено авторами на основе расчетов моделей для обанкротившихся торговых компаний

В модели Зайцевой для оценки вероятности банкротства необходимо сопоставить факти­ческий комплексный коэффициент банкрот­ства (Ккомпл) с его нормальной величиной. С учетом рекомендуемых значений факторов (Ку.п. = 0, Кз = 1, Кс = 7, Ку.р. = 0, Кф.р. = 0,7; Кзаг. не должен превышать уровня предшествую­щего периода), нормальная величина ком­плексного коэффициента банкротства имеет следующий вид:

Ккомпл = 0,25 x 0 + 0,1 x 1 + 0,2 x 7 + 0,25 x 0 + 0,1 x 0,7 + 0,1 x активыпред./выручкапред. = 1,57 + 0,1 x активыпред./выручкапред.

Выделим вклад каждого из факторов в итоговое нормативное значение Ккомпл:

Ккомпл = 0,1 (Кз) + 1,4 (Кс) + 0,07 (Кф.р.) + 0,1 x активыпред./выручкапред.

Таким образом, итоговая величина нормативного Ккомпл коэффициента определяется главным образом фактором Кс (краткосрочные обязательства / (денежные средства + кратко­срочные финансовые вложения).

Расчеты по модели Зайцевой для 22 обанкро­тившихся торговых компаний показали, что у всех компаний, верно классифицированных моделью как банкроты, наблюдалось высокое значение показателя Кс, в то время как у компа­ний, ошибочно отнесенных моделью к финан­сово устойчивым, значение показателя Кс было относительно невысоким. Большая величина фактора Кс у верно классифицированных ком­паний обусловила высокое фактическое значе­ние Ккомпл, значительно превышающее нормативную величину. Напротив, у ошибочно клас­сифицированных компаний низкая величина фактора Кс не позволила получить фактическое значение Ккомпл, которое превышало бы нормативную величину. Невысокое значение фактора Кс означает, что краткосрочные обязательства компании ненамного превышают сумму денеж­ных средств и краткосрочных финансовых вло­жений. Согласно модели Зайцевой, подобное соотношение позволяет классифицировать ком­панию как финансово устойчивую.

Однако, на наш взгляд, низкое соотношение краткосрочных обязательств и наиболее лик­видных активов само по себе не говорит о фи­нансовой устойчивости компании. Имея от­носительно невысокую величину краткосрочных обязательств, компания может иметь значитель­ную сумму долгосрочных обязательств, которые она не сможет погасить. Располагая относитель­но большой величиной наиболее ликвидных активов, компания может иметь значительные объемы дебиторской задолженности, в том числе сомнительной к получению, которую ее поку­патели не обязательно погасят в сроки. Все это может привести компанию к банкротству, даже если у нее будет невысокое соотношение кратко­срочных обязательств и наиболее ликвидных активов. Кроме того, необходимо отметить, что у ошибочно классифицированных компаний значения других факторов указывают на бан­кротство. Так, у них наблюдается чистый убыток, а соотношение заемного и собственного капи­тала превышает рекомендуемую для финансово устойчивого состояния величину в 0,7. Таким образом, можно заключить, что неверная клас­сификация обанкротившихся компаний на основе модели Зайцевой обусловлена чрез­мерно высокой ролью фактора Кс, влияние ко­торого при отклонении от нормативного значе­ния может перевесить воздействие всех осталь­ных факторов модели. Интересно, что модель Зайцевой не смогла спрогнозировать одно из крупнейших банкротств в торговой отрас­ли — банкротство компании Toys «R» Us.

Заключение

Все пять моделей основаны на анализе фи­нансовых показателей ликвидности, оборачиваемости, рентабельности и весовых коэффи­циентов, однако ни одна из моделей не учитывает влияние современных инноваций на финансовую устойчивость и не показывает 100% вероятность банкротства. Наименее точной оказалась модель Иркутской ГЭА. Ин­новации меняют современные подходы к биз­несу и разрушают сложившиеся экономиче­ские модели оценки финансовой устойчивости компаний. Существующие модели оценки банкротства торговых компаний требуют су­щественной доработки и усовершенствования с учетом современных подходов к бизнесу и приверженности компаний к инновациям.

Применять модель Альтмана и Спрингейта для российских предприятий нужно с осто­рожностью, так как эти исследователи стро­или свои модели на статистической выборке западных предприятий, использующих другие стандарты финансовой отчетности, что ска­зывается на различиях в коэффициентах. Тем не менее их можно использовать в рекомен­дательном порядке, так как эти модели явля­ются универсальными, основаны на показа­телях финансовой отчетности и ключевых коэффициентах, рассчитанных по данным отчетности.


Литература

1. Годовой отчет 10-K, TOYS "R" US, INC, 2017.

2. Годовой отчет 10-K, SEARS HOLDINGS CORPORATION, 2017.

3. Retail Downsizing Will Accelerate, With UBS Predicting 75,000 Stores Will Be Forced To Close By 2026 [Электронный ресурс]. URL: https://www.forbes.com/sites/pamdanZiger/2019/04/10/retail-downsiZing-will-accelerate-as-75000-stores-will-be-forced-to-close-by-2026/#738f28a7339e (accessed: 22.11.2019).

4. Kiron D., Unruh G., KruschwitZ N., Reeves M., Rubel H., Zum Felde A.M. 2017. Corporate Sustainability at a Crossroads: Progress toward Our Common Future in Uncertain Times. MIT Sloan Management Review. 28 p.

5. Corporate responsibility & sustainability report 2014. Airbus Group. 2015. 76 p. URL: https://www. airbus.com/content/dam/corporate-topics/financial-and-company-information/airbus-group-crs-2014.

pdf (accessed: 22.11.2019).

6. Bernstein L. 2014. Financial statement analysis: theory, application and interpretation. Homewood, Illinois: Irwin. 1075 p.

7. Robinson T., Henry E., Pirie W., Broihahn M. 2015. International financial statement analysis, third edition. Hoboken, New Jersey: John Wiley & Sons, Inc. 1072 p.

8. Пучкова С.И. Объединение бизнеса и консолидированная финансовая отчетность в условиях перехода на МСФО // Бухгалтерский учет. 2015. № 5. С. 26-29.

9. Пучкова С.И., Сотнева Ю.Д. Влияние перехода на МСФО на финасовую устойчивость между­народных компаний // Аудит. 2016. № 6. С. 25-28.

10. Пучкова С.И., Сотнева Ю.Д. Финансовая устойчивость компаний в условиях перехода к инно­вационной экономике // Аудит. 2018. № 11. С. 34-38.

11. Сотнева Ю.Д. Показатели финансовой устойчивости компаний: российская и международная теория и практика // Аудит. 2015. № 9. С. 19-22.

12. Шеремет А.Д. Анализ и диагностика финансово-хозяйственной деятельности предприятия: учебник — 2-е изд., доп. М.: ИНФРА-М, 2018. 374 с.

13. Altman E.1.1968. Financial Ratios, Discriminant Analysis And The Prediction Of Corporate Bankruptcy. Journal of Finance. Vol.23. No.4. September. P. 589-609. DOI: 10.1111/j.1540-6261.1968.tb00843.x

14. Altman E.I. 2000. Predicting financial distress of companies: revisiting the Z-score and ZETA models. New York: New York University. 36 p.

15. Mohammadi S. 2016. Studying the Efficiency and the Power of Predicting Bankruptcy of Firms Listed on the Stock Exchange using Springate, Fulmer, and Zavgren Models. Mediterranean Journal of Social Sciences. Vol. 7, No. 4. P. 124-130. DOI: 10.5901/mjss.2016.v7n4s2p124

16. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприя­тий // Управление риском. 1999. № 3. С. 13-20.

17. Гаврилова С.С. Анализ вероятности банкротства (отечественные методики). СПб.: СПБГУЭФ, 2011. 40 с.

18. Зайцева О.П. Антикризисный менеджмент в российской компании // Сибирская финансовая школа. 1998. № 11-12 (28-29). С. 66-73.

Автор:

Теги: финансовая устойчивость  банкротство  прогнозирование банкротства  наступление банкротства  финансовый менеджмент  financial stability  financial sustainability  financial solvency  устойчивость финансовой системы  устойчивое развитие  коэффициентный анал