Комплексный финансовый анализ эмитента ценных бумаг

 

      Этап 9 (Лингвистическое  распознавание). Классифицируем полученное значение степени риска по данным таблицы 3.3. Результатом классификации являются лингвистическое описание степени риска банкротства и степень уверенности эксперта в правильности его классификации. И тем самым наш вывод о степени риска предприятия приобретает не только лингвистическую форму, но и характеристику качества наших утверждений [1].

      Теперь  рассмотрим пример.

 

      3.2.2 Расчетный пример анализа риска банкротства

            с использованием нечётких описаний

 

      Постановка  задачи. Рассмотрим предприятие, которое анализируется по двум периодам - четвёртый квартал 2007 года и первый кварталы 2008 года. В качестве примера выбрана реальная отчетность одного из предприятий Санкт-Петербурга.

      Решение:

      1. Определяем лингвистические переменные G и B и их нечеткие подмножества, как это сделано на первом этапе метода.

2. Для анализа строим систему Х из 6 показателей:

• Х₁ – коэффициент автономии (отношение собственного капитала к валюте баланса),

• Х₂ – коэффициент обеспеченности оборотных активов собственными средствами (отношение чистого оборотного капитала к оборотным активам),
• Х₃ – коэффициент промежуточной ликвидности (отношение суммы денежных средств и дебиторской задолженности к краткосрочным пассивам),
• Х₄ – коэффициент абсолютной ликвидности (отношение суммы денежных средств к краткосрочным пассивам),
• Х₅ – оборачиваемость всех активов в годовом исчислении (отношение выручки от реализации к средней за период стоимости активов),
• Х₆ – рентабельность всего капитала (отношение чистой прибыли к средней за период стоимости активов).

3. Для анализа принимаем, что все показатели являются равнозначными (r_i = 1/6).

4. Выбранные показатели на основании предварительного экспертного анализа получили следующую классификацию таблицы 3.4.

 
 

Таблица 3.4 – Классификация значений показателей

 
      

5. Финансовое  состояние предприятия характеризуется  следующими финансовыми показателями (таблица 3.5):

Таблица 3.5 – Оценка уровня показателей

6. Проведем классификацию текущих значений x_i по степени их принадлежности к множествам В_j для обоих периодов:

B – лингвистические подмножества;

–  –  –  – значение Х₁ в I период; ------- – значение Х₁ во II период

Рисунок 5 – График для определения степени принадлежности показателя Х₁ к лингвистическим группам

, ,

,

B – лингвистические подмножества;

–  –  –  – значение Х₂ в I период; ------- – значение Х₂ во II период

Рисунок 6 – График для определения степени принадлежности показателя Х₂ к лингвистическим группам

,

,

B – лингвистические подмножества;

–  –  –  – значение Х₃ в I период; ------- – значение Х₃ во II период

Рисунок 7 – График для определения степени принадлежности показателя Х₃ к лингвистическим группам

,

,

B – лингвистические подмножества;

–  –  –  – значение Х₄ в I период; ------- – значение Х₄ во II период

Рисунок 8 – График для определения степени принадлежности показателя Х₄ к лингвистическим группам

,

,

B – лингвистические подмножества;

–  –  –  – значение Х₅ в I период; ------- – значение Х₅ во II период

Рисунок 9 – График для определения степени принадлежности показателя Х₅ к лингвистическим группам

,

,

B – лингвистические подмножества;

–  –  –  – значение Х₆ в I период; ------- – значение Х₆ во II период

Рисунок 10 – График для определения степени принадлежности показателя Х₆ к лингвистическим группам

,

, ,

Результатом проведенной классификации является таблица 3.6:

Таблица 3.6 – Классификация уровня показателей

 

      Анализ  таблицы 3.6 дает, что во втором периоде произошло качественное падение обеспеченности одновременно с качественным ростом оборачиваемости активов. 

      7. Рассчитаем оценку степени риска  банкротства по формуле (3.13):

                                    

      По  формуле (3.14) , имеем .

      Тогда

            

g_I = 0.388, g_II = 0.436, откуда заключаем, что произошло серьезное ухудшение состояния предприятия (резкий количественный рост оборачиваемости не сопровожден качественным ростом, зато наблюдается качественный спад автономности, абсолютной ликвидности и рентабельности). 

      

8. Степень риска  классифицируется по правилу таблицы 3.3 восьмого этапа.

G_j – нечёткие подмножества лингвистической переменной G (

);

–  –  –  значение критерия g в I период; ------ – значение критерия g во II период

Рисунок 11 – Степень принадлежности значения критерия g к мн-вам G₁ – G₅. 

      По  графику видно, что в первом периоде значение критерия g_I = 0.388 может быть оценено как низкое и как среднее (потому что принадлежит множествам G₄ и G₃), при этом степень его принадлежности к G₄ выше, чем к G₃, так что его скорее следует оценивать как низкое. А во втором периоде значение критерия g_II = 0.436 скорее можно оценить как среднее, так как степень его принадлежности к G₃ выше, чем к G₄.

      9. Лингвистическое распознавание степени риска по таблице 3.3 дает степень риска банкротства как пограничную между низкой и средней, причем уверенность эксперта в том, что уровень именно средний, нарастает от периода к периоду.

 

Заключение

 

      В работе рассмотрены основные проблемы, связанные с количественным определением риска банкротства предприятия. Приводятся и рассматриваются с точки зрения удобства использования и качества получаемых результатов основные методы, существующие для оценки такого риска. На основании выявленных достоинст и недостатков подходов предлагается к использованию метод комплексного финансового анализа на основе нечетких представлений. Этот подход подробно изложен в работе, приводится алгоритм расчета критерия степени риска банкротства. Удобство метода состоит в его относительной простоте, хорошей алгоритмизуемости и универсальности. Метод требует определения множества характеристик финансовой или иной природы, имеющих непосредственное и значительное влияние на вероятность банкротства предприятия, в комплексе позволяющих дать оценку его надежности как эмитента. Определение исчерпывающего множества этих характеристик, а также вектора весов, характеризующего их относительную значимость, целиком и полностью ложится на эксперта по финансовому анализу в области специализации предприятия. Также от эксперта требуется определение нечетких трапецевидных чисел, характеризующих степень принадлежности значения того или иного показателя к лингвистическим группам.