Как спрогнозировать финансовый кризис (А. Романовская, "Консультант", N 19, октябрь 2006 г.)

Как спрогнозировать финансовый кризис

Если компания неспособна платить по своим долговым обязательствам и финансировать текущую основную деятельность из-за отсутствия денежных средств, ей грозит процедура банкротства. Однако в большинстве случаев опасные тенденции можно предвидеть и предотвратить. В статье приведены некоторые зарубежные и российские методики, позволяющие спрогнозировать возникновение угрозы финансового кризиса предприятия.

Различные модели, которые используют в ходе анализа финансово-хозяйственной деятельности компании, оценивают риски потери платежеспособности, финансовой устойчивости и независимости фирмы за прошедший период. Но организацию, ее партнеров и конкурентов интересуют перспективы финансового состояния предприятия в будущем. Зарубежные и российские специалисты разработали модели прогнозирования банкротства, которые позволяют предсказать кризисную ситуацию коммерческой организации еще до появления ее очевидных признаков. Это дает возможность использовать различные антикризисные стратегии для ее предотвращения.

Системы прогнозирования банкротства включают в себя наиболее значимые коэффициенты, характеризующие финансовое состояние коммерческой организации, на основе которых рассчитывают комплексный показатель вероятности банкротства.

Правительство рекомендует...

Признаки банкротства установлены Федеральным законом от 26 октября 2002 г. N 127-ФЗ "О несостоятельности (банкротстве)". Арбитражные управляющие при проведении анализа финансового состояния компании-должника используют коэффициенты, утвержденные постановлением Правительства РФ от 25 июня 2003 г. N 367 (табл. 1).

Модель Альтмана

Профессор Нью-Йоркского университета Эдуард Альтман на основе исследования данных более 60 обанкротившихся предприятий США разработал пятифакторную модель прогнозирования финансового кризиса. В основе лежит оценка индекса кредитоспособности "Z-счета", который в общем виде равен:

Z = 1,2 х K1 + 1,4 х K2 + 3,3 х K3 + 0,6 х K4 + K5, где

К1 - отношение оборотного капитала к сумме активов;

К2 - отношение накопленной прибыли к активам;

К3 - отношение доходов до вычета процентов и налогов к сумме активов;

К4 - отношение рыночной стоимости акций к заемным средствам;

К5 - оборачиваемость активов.

В конструкции модели наименьший вес имеет фактор К4, наибольший - К3. Доля каждого показателя в уравнении рассчитана на основе статистических данных. Для различных значений Z определена вероятность наступления банкротства (табл. 2).

Альтман модифицировал свою формулу для компаний, акции которых не котируются на бирже. К примеру, вместо показателя рыночной стоимости собственного капитала используем коэффициент соотношения балансовой стоимости собственного капитала к заемному и уменьшим весовые коэффициенты факторов X1, X2, X4 на 60-70 процентов по сравнению с первоначальными. С учетом приведенных изменений модель приняла вид:

Z = 0,71 х X1 + 0,847 х X2 + 3,10 х X3 + 0,42 х X4 + 0,995 х X5, где

X4 = Собственный капитал/ Долгосрочные и краткосрочные обязательства.

Показатели X1, X2, X3, X5 рассчитывают как в предыдущей модели.

При этом, если значение Z меньше 1,23, вероятность банкротства высока, при Z больше 2,90 возможность наступления финансового кризиса фирмы низкая. Если же Z попало в интервал от 1,23 до 2,90 зоны неведения, дать точную оценку финансового состояния компании невозможно. Точность прогнозирования на период до одного года достигает 95 процентов, на два года - до 70 процентов.

Российские экономисты попытались применить аналогичный подход к прогнозированию банкротств отечественных предприятий. Так, Сайфуллин и Кадыков*(1) рассчитали комплексный показатель предсказания финансового кризиса компании:

R = 2 Kо + 0,1 Ктл + 0,08 Ки + 0,45 Км + Кпр, где

Ко - коэффициент обеспеченности собственными средствами;

Ктл - показатель текущей ликвидности;

Ки - коэффициент оборачиваемости активов;

Км - показатель коммерческой маржи (рентабельность реализации продукции);

Кпр - коэффициент рентабельности собственного капитала.

При соответствии данных показателей их минимальным нормативным уровням значение R будет равным 1. Состояние предприятий с показателем R менее 1 характеризуют как неудовлетворительное.

В свою очередь, профессор Сибирского университета потребительской кооперации Ольга Зайцева*(2) для оценки финансового кризиса компаний предложила использовать комплексный показатель:

Ккомпл = 0,25 Куп + 0,1 Кз + 0,2 Кс + 0,25 Кур + 0,1 Кфр + 0,1 Кзаг, где

Куп - коэффициент убыточности фирмы, характеризующийся отношением чистого убытка к собственному капиталу;

Кз - показатель соотношения кредиторской и дебиторской задолженности;

Кс - коэффициент отношения краткосрочных обязательств и наиболее ликвидных активов (обратная величина показателю абсолютной ликвидности);

Кур - коэффициент убыточности реализации продукции, характеризующийся отношением чистого убытка к объему реализации этой продукции;

Кфр - соотношение заемного и собственного капитала;

Кзаг - показатель загрузки активов (величина, обратная оборачиваемости активов).

Если фактический коэффициент больше его нормативного значения, то вероятность банкротства компании велика, если меньше - мала.

Между тем, по мнению иркутских ученых*(3), наиболее точно оценить финансовое состояние фирмы позволит комплексный показатель:

R = 8,38 K1 + К2 + 0,054 К3 + 0,63 К4, где

К1 - оборотный капитал/актив;

К2 - чистая прибыль/собственный капитал;

К3 - выручка от реализации/актив;

К4 - чистая прибыль/интегральные затраты.

Вероятность банкротства компании определяют исходя из значения показателя R (табл. 3).

Модель Бивера

Для оценки финансового состояния компании Уильям Бивер предложил использовать следующие индикаторы:

- денежный поток/задолженность;

- чистая прибыль/активы;

- задолженность/активы;

- рабочий капитал/активы;

- коэффициент покрытия.

В свою очередь, Александр Колышкин, консультант по финансовому анализу и планированию КГ "Воронов и Максимов", преподаватель экономического факультета Санкт-Петербургского государственного университета, используя данные 17-ти компаний, рассчитал средние значения этих и ряда других индикаторов для российских промышленных предприятий*(4). Сравнивая полученные значения финансовых показателей фирмы с их нормативами, можно спрогнозировать вероятность наступления банкротства на период до пяти лет.

Расставим баллы...

В дополнение к предыдущим методам Джон Аргенти разработал альтернативный подход к прогнозированию банкротства, основанный на учете субъективных суждений участников процесса кредитования. По мнению Аргенти, причиной банкротства компании могут стать неквалифицированное руководство, неэффективная система учета и отчетности и неспособность фирмы приспосабливаться к изменяющимся условиям рынка.

В соответствии с методикой А-модели, уровень вероятности финансового кризиса компании оценивают по балльной системе. Факторам присваивают определенное количество баллов и рассчитывают агрегированный показатель - А-счет (табл. 5). При его определении для конкретной компании необходимо ставить либо количество баллов согласно Аргенти, либо ноль. Промежуточные значения не допускаются. Если итоговая сумма по группам системы превышает критический уровень - 25 баллов, - это говорит о высокой вероятности банкротства компании. Следует отметить, что на основе показателей балльной модели сложно принимать решения в условиях, когда задача имеет множество критериев.

"Отраслевые" прогнозы

Сущность данной методики состоит в сравнении сводных показателей отчетности предприятия с показателями других предприятий отрасли. Компании предварительно делятся на три класса в соответствии с уровнем их кредитоспособности, которая зависит от степени ликвидности оборотных активов фирмы (табл. 6).

На основе фактических данных рассчитывают коэффициенты для группы однородных предприятий определенной отрасли. Полученные данные по каждому показателю представляют в виде таблицы. В качестве примера можно привести таблицы, разработанные учеными Казанского государственного технологического университета для отечественных предприятий промышленности*(5) (табл. 7). Сравнительный финансовый анализ позволяет наилучшим образом учесть специфику отрасли и товарного рынка отдельной компании.

Предсказания нейронных сетей

Схема решения типовых задач, сконструированная по аналогии с работой человеческого мозга, позволяет построить отображение по заданному ряду его значений. Такую схему называют нейронной сетью. В основе конструкции каждого нейрона - сумма входных величин с определенным коэффициентом, итоговое значение которой с помощью функции активации приводят к интервалу от 0 до 1. Первый слой нейронов сети обрабатывает входные сигналы, следующий - показатели предыдущего уровня, и так до тех пор, пока последний нейрон не выдаст итоговый показатель. Изменяя коэффициенты входных величин, сеть стремится максимально приблизить выходной сигнал к известному результату. После этого нейронной сети можно подать новые данные, и она выдаст свой прогноз.

Нейросетевое моделирование обеспечивает точность предсказания банкротств на 90 процентов. Снизив требования к ошибкам классификации нормальной фирмы как банкрота, можно повысить "подозрительность" нейросети, что обеспечит точность выявления предприятий-банкротов до 99 процентов. Нейронные сети широко используют для прогноза финансового кризиса такие известные фирмы, как General Electric, American Airlines, Coca Cola, Philip Morris, Procter&Gamble, Merrill Lynch и многие другие.

Таблица 1. Финансовые показатели, утвержденные Правительством

Группы коэффициентов	Название коэффициента	Порядок расчета
Коэффициенты платежеспособнос- ти должника	Коэффициент абсолютной ликвидности	Наиболее ликвидные оборотные ак- тивы/Текущие обязательства
	Коэффициент текущей ликвидности	Ликвидные активы/Текущие обяза- тельства
	Показатель обеспеченности должника его активами	Сумма ликвидных и скорректиро- ванных внеоборотных активов/ Обязательства
	Степень платежеспособности по текущим обязательствам	Текущие обязательства/Среднеме- сячная выручка
Коэффициенты, характеризующие финансовую устойчивость долж- ника	Коэффициент финансовой независи- мости	Собственные средства/Совокупные активы
	Коэффициент обеспеченности собст- венными оборотными средствами	(Собственные средства - Скоррек- тированные внеоборотные активы)/ Оборотные средства
	Доля просроченной кредиторской задолженности в пассивах	Просроченная кредиторская за- долженность/Совокупные пассивы
	Показатель отношения дебиторской задолженности к совокупным активам	(Долгосрочная дебиторская за- долженность + Краткосрочная де- биторская задолженность + Потен- циальные оборотные активы, под- лежащие возврату)/Совокупные ак- тивы
Коэффициенты, характеризующие деловую активность должника	Рентабельность активов	Чистая прибыль (убыток)/Сово- купные активы
	Норма чистой прибыли	Чистая прибыль/Выручка (нетто)

Таблица 2. Вероятность банкротства исходя из значений показателя Z

Значение Z	Вероятность наступления банкротства
меньше 1,81	очень велика
1,81-2,675	средняя
2,675	равна 50%
2,675-2,99	невелика
больше 2,99	ничтожна

Таблица 3. Вероятность банкротства исходя из значений показателя R

Значение показателя R	Вероятность банкротства
меньше 0	максимальная - 90-100%
0-0,18	высокая - 60-80%
0,18-0,32	средняя - 35-50%
0,32-0,42	низкая - 15-20%
больше 0,42	минимальная - до 10%

Таблица 4. Расчет вероятности банкротства по Биверу и Колышкину

Показатель	Значения показателей по Биверу за определенный период до наступления банкротства по Колышкину					Среднее значение показателей
	5 лет	4 года	3 года	2 года	1 год
Денежный поток/Задолженность
Благополучные предприятия	0,47	0,44	0,45	0,45	0,45	1,28
Банкроты	0,15	0,14	0,02	-0,05	-0,2	0,03
Чистая прибыль/Активы
Благополучные предприятия	0,06	0,07	0,1	0,07	0,06	0,19
Банкроты	0,03	0,01	-0,02	-0,08	-0,2	-0,03
Задолженность/Активы
Благополучные предприятия	0,49	0,52	0,51	0,72	0,86
Банкроты	0,4	0,42	0,37	0,37	0,37
Рабочий капитал/Активы
Благополучные предприятия	0,4	0,36	0,39	0,38	0,38	0,12
Банкроты	0,26	0,25	0,2	0,19	0,06	-0,27
Коэффициент покрытия
Благополучные предприятия	3,4	3,5	3,3	3,3	3,3	2
Банкроты	2,4	2,3	2,3	2,3	2	0,7

Таблица 5. Метод А-счета для предсказания банкротства

Недостатки	Балл согласно Аргенти
Директор-автократ	8
Председатель совета директоров является также директором	4
Пассивность совета директоров	2
Внутренние противоречия в совете директоров (из-за различия в знаниях и навыках)	2
Слабый финансовый директор	2
Недостаток профессиональных менеджеров среднего и нижнего звена (вне совета директоров)	1
Недостатки системы учета: отсутствие бюджетного контроля	3
Отсутствие прогноза денежных потоков	3
Отсутствие системы управленческого учета затрат	3
Вялая реакция на изменения (появление новых продуктов, технологий рынков, методов организации труда и т.д.)	15
Максимально возможная сумма баллов	43
"Проходной балл"	10
Если сумма больше 10, недостатки в управлении могут привести к серьезным ошибкам
Ошибки
Слишком высокая доля заемного капитала	15
Недостаток оборотных средств из-за слишком быстрого роста бизнес	15
Наличие крупного проекта (провал такого проекта подвергает фирм серьезной опасности)	15
Максимально возможная сумма баллов	45
"Проходной балл"	15
Если сумма баллов на этой стадии больше или равна 25, компания подвергается определенному риску
Симптомы
Ухудшение финансовых показателей	4
Использование "творческого бухучета"	4
Нефинансовые признаки неблагополучия (ухудшение качества, падение "боевого духа" сотрудников, снижение доли рынка)	4
Окончательные симптомы кризиса (судебные иски, скандалы, отставки	3
Максимально возможная сумма баллов	12
Максимально возможный А-счет	100
"Проходной балл"	25
Большинство успешных компаний	5-18
Компании, испытывающие серьезные затруднения	35-70

Таблица 6. Распределение по классам кредитоспособности

Классы кредитоспособности	Финансовое состояние	Финансовые показатели	Риск невозврата кредита
1 класс	хорошее	выше среднеотраслевых	минимальный
2 класс	удовлетворительное	на уровне среднеотраслевых	нормальный
3 класс	неудовлетворительное	ниже среднеотраслевых	повышенный

Таблица 7. Значения показателей для распределения промышленных
предприятий по классам кредитоспособности

Наименование показателя	Значения показателей по классам
	1 класс	2 класс	3 класс
Соотношение собственных и заемных менее средств	0,8	0,8-1,5	более 1,5
Вероятность банкротства Z-счет Альтмана	более 3,0	1,5-3,0	менее 1,5
Общий коэффициент покрытия	более 2,0	1,0-2,0	менее 1,0

А. Романовская,

главный бухгалтер

НОУ "Академия развлекательного и игрового бизнеса"

"Модель Альтмана на примере..."

В. Калинин,

финансовый директор ООО "ИТБ Финанс"

Наиболее простым методом диагностики банкротства является математическая модель, при построении которой учитывают лишь коэффициент текущей ликвидности и соотношение заемных и собственных средств. На основе статистической обработки данных фирм рассчитаны весовые коэффициенты для каждого из этих факторов. Для компаний США данная модель выглядит следующим образом:

     Z2 = -0,3877 - 1,0736 х К1 + 5,79 х К2*(6),  где

К1 - коэффициент текущей ликвидности, характеризующий общую обеспеченность фирмы оборотными средствами, и своевременного погашения срочных обязательств;

К2 - показатель капитализации, отражающий соотношение заемных и собственных средств.

Вероятность финансового кризиса компании будет менее 50 процентов, если значение Z ниже 0, если же Z равно 0, банкротство фирмы возможно на 50 процентов. Между тем при Z больше 0 вероятность кризиса выше 50 процентов. Согласно аналогичному подходу, значение Z меньше -0,3 говорит о малой возможности наступления банкротства, при Z больше 0,3 эта вероятность велика. В случае если Z лежит в интервале [-0,3; 0,3] зоны неведения, определенного мнения о вероятности банкротства компании высказать нельзя.

Применительно к российскому балансу финансовые коэффициенты рассчитывают следующим образом:

К1 = Оборотные активы / Краткосрочные обязательства,

К2 = (Долгосрочные обязательства + Краткосрочные обязательства) / Всего пассивы, где

Краткосрочные обязательства = Краткосрочные займы + Краткосрочная дебиторская задолженность + Задолженность учредителям по выплате доходов + Прочие краткосрочные обязательства.

Предполагается, что применение данной модели для российских условий требует корректировки весовых коэффициентов применительно к местным условиям, и тогда точность прогноза двухфакторной модели увеличится. Однако новые коэффициенты для отечественных предприятий не определены ввиду отсутствия статистических данных по организациям-банкротам в России.

Пример 1

Вычислим Z-счет Альтмана для условной компании "Бизнес" на основе данных ее баланса и Отчета о прибылях и убытках (табл. 1 и 2).

Расчеты дадут следующие результаты:

К1 = 1,3;

К2 = 0,39 или 39%;

Z-счет = 0,45.

Поскольку значение Z больше 0,3, вероятность банкротства компании "Бизнес" довольно велика.

Рассчитаем значение Z-счета для пятифакторной модели Альтмана, описание которой было приведено выше. Предположим, рыночная стоимость собственного капитала фирмы равна 9000 единиц, тогда:

X1 = 0,024;

X2 = 0,084;

X3 = 0,115;

X4 = 1,280;

X5 = 0,965;

Z-счет = 2,26

Значение Z-счета попало в область неведения. По сравнению с двухфакторной моделью вероятность банкротства сохраняется, но уже не столь очевидна. Это связано с тем, что в пятифакторной модели существенное влияние на значение Z-счета оказывают данные о финансовых результатах, чего была лишена двухфакторная модель.

Предположим, что акции анализируемой компании не котируются на бирже, тогда значение фактора X4 будет равно 1,545, в то время как X2, X3, X5 останутся прежним. Таким образом, Z-счет = 2,06.

Значение Z попало в область неведения, но имеется тенденция к банкротству. Результаты двух расчетов близки, поскольку по условиям рыночная стоимость капитала (9000 ед.) практически не отличается от балансовой (10 864 ед.). Чтобы фирма вошла в "безрисковую" зону, когда значение Z больше 2,99, рыночная оценка ее капитала должна составить как минимум 18 000 единиц. Если же она составит 4000 единиц, когда значение Z меньше 1,81, компания становится потенциальным банкротом.

Альтман адаптировал свою модель прогнозирования банкротства для непроизводственных организаций, отказавшись от учета фактора X5. У торговых фирм и компаний, оказывающих услуги, показатель оборачиваемости активов обычно больше, чем у промышленных предприятий, и значение Z-счета было бы завышенным. Модель Альтмана для непроизводственных организаций имеет следующий вид:

Z'' = 6,56 х X1 + 3,26 х X2 + 6,72 х X3 + 1,05 х X4, где

показатели X1, X2, X3, X4 рассчитывают по аналогии с предыдущей моделью.

При значении Z меньше 1,1 вероятность банкротства высокая, если же Z больше 2,6, возможность наступления финансового кризиса низкая, интервал от 1,1 до 2,6 - зона неведения. Точность предсказания сроком до одного года достигает 95 процентов, на два года - до 70 процентов.

Пример 2

Рассчитаем Z на основе исходных данных первого примера, предполагая, что организация является непроизводственной. Значение Z-счета будет равно 2,8. Компания попала в зону стабильного финансового состояния, что связано с возросшей ролью параметров X3 и X4, которые в примере играют основную роль.

Позднее Альтман разработал семифакторную ZETA(r)-модель*(7), которая позволяет прогнозировать вероятность банкротства на период пять лет с точностью в 70 процентов. В этой модели используют следующие показатели:

рентабельность активов;

динамика прибыли;

коэффициент покрытия процентов по кредитам;

отношение накопленной прибыли к активам;

коэффициент текущей ликвидности;

доля собственных средств в пассивах;

стоимость активов предприятия.

Таблица 1. Баланс

Активы
Всего внеоборотные активы	12 257
Запасы и НДС по приобретенным ценностям	2795
Долгосрочная дебиторская задолженность	956
Краткосрочная дебиторская задолженность	1278
Краткосрочные финансовые вложения	150
Денежные средства	670
Прочие оборотные активы	4
Всего оборотные активы	5853
Итого активы	18 110
Пассивы
Собственный капитал	10 864
Всего долгосрочные обязательства	2567
Краткосрочные займы	1647
Краткосрочная дебиторская задолженность	1772
Задолженность участникам (учредителям) по выплате доходов	-
Доходы будущих периодов	86
Резервы предстоящих расходов	128
Прочие краткосрочные обязательства	1046
Всего краткосрочные обязательства	4679
Итого пассивы	18 110

Таблица 2. Отчет о прибылях и убытках (форма N 2)

Выручка от продаж	17 479
Себестоимость и расходы	16 202
Прибыль от продаж	1277
Проценты к уплате	(84)
Сальдо операционных доходов и расходов за вычетом процентов к уплате	973
Сальдо внереализационных доходов и расходов	(159)
Прибыль до налогообложения	2007
Нераспределенная (чистая) прибыль	1525

"Консультант", N 19, октябрь 2006 г.

-------------------------------------------------------------------------

*(1) Перьфильев А.Б. Основные методики оценки финансового состояния российских предприятий и прогнозирование возможного банкротства по данным бухгалтерской отчетности. Ярославль: МУБ и НТ, 2005.

*(2) Зайцева О.П. Антикризисное управление в российской компании // Сибирская финансовая школа. 1998. N 11-12.

*(3) Хайдарова М.А. Показатели прогнозирования неплатежеспособности (банкротства) в коммерческих организациях. М.: МАКС Пресс, 2002.

*(4) Колышкин А.В. прогнозирование развития банкротства в современной России: Дис. канд. экэ наук. СПб., 2003.

*(5) Тукина Г.Ф. Прогнозирование вероятности банкротства предприятий с учетом отраслевых и региональных особенностей. Новочеркасск: ЮРГТУ, 2001. С. 80.

*(6) В деловой литературе нередко встречается формула в виде: Z = -0,3877 - 1,0736 х К1 + 0,0579 х К2, где индикатор К2 выражается числом не в виде коэффициента, а в виде процента.

*(7) Altman Edward I. Predicting Financial Distress of Companies: Revisiting the Z-Score and ZETA(r) Models//http://www.99-99.ru/articles/altman.pdf.