Анализ кредитоспособности организации

 

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

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

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

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

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

      Corp_age = 1,

      Cred = 0,

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

      EBIT/INT = 5023 / 1202 = 2,114,

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

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

      Reg = 1,

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

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

     Т_Е = 31995 / 29092 = 9,98%,

     Т_А = 54838 / 53898 = 1,74%.

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

- 1,5985*4,179 - 0,5640*10,373 - 0,1254*0,0775 - 1,3698*1 - 6,3609*0,047 – 

- 0,2833*0,087 + 2,5966 * 0,998 - 7,3087*0,0174 = - 8,57.

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

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

- 1,5985*4,179 - 0,5640*10,373 - 0,1254*0,0775 - 1,3698*1 - 6,3609*0,046 –

- 0,2833*0,079 + 2,5966*0,0998 - 7,3087*0,0174 = -9,08

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

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

2.4.3 Методика  анализа кредитоспособности организации  на основе создания виртуальной  клиентской базы. 

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

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

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

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

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

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

         Грyппa 1- рентабельность:

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

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

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

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

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

       Группа 2 - ликвидность и платежеспособность:

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

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

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

       Грyппа 3 –деловая активность:

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

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

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

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

       Группа 4 - финансовая устойчивость:

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

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

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

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

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

       Для пенташкалы была построена система функций, которые соответствуют нечетким подмножествам. Простейшим способом задания является система трапециевидных нечетких чисел. На рисунке 2.1 приведен пример такой системы с нормированным значением экономического показателя (т. е. диапазон изменения значения финансового показателя находится в пределах от 0 до 1 по оси абсцисс).

Рисунок 2.1 - Пример системы пенташкалы с  нормированным значением экономического показателя

где ось  ОХ – нормированное значение экономического показателя,

Ось ОУ – вероятность отнесения специалистом исследуемого предприятия к соответствующей  группе риска.

      Чем ниже уровень этого показателя (имеет вид трапеции), тем выше уровень риска банкротства предприятия. Трапеции классификатора, являющиеся функциями пенташкалы, попарно пересекаются в точках, у которых совпадают ординаты (0,5). Ось абсцисс отражает величину значения параметра, а ось ординат - уверенность специалиста в принятии решения. В точках пересечения прямой = 0,5 и трапеций достигается максимум информационной неопределенности, когда соседние качественные свойства обладают одинаковой различимостью. Для остальных точек, лежащих на оси ординат, можно наблюдать нарастание силы одного из качественных признаков и одновременное убывание (в том же темпе) смежного качественного признака.