Прогнозирование - банкротство
Cтраница 2
Положение организаций ( предприятий) может быть неустойчивым и устойчивым: одна часть из них может обанкротиться, другая - нет. Анализ оценки кредитоспособности заемщика и оценки и прогнозирования возможного банкротства организации ( предприятия) выполняется многими коммерческими банками, сталкивающимися с необходимостью принимать решение в отношении возможности и условий предоставления кредита потенциальному заемщику. Безусловно, решение обычно принимается под влиянием целого ряда факторов как объективного, так и субъективного порядка; оно всегда индивидуализировано в отношении заемщика. [16]
Занятие бизнесом - весьма рисковая операция, поэтому никакая компания не застрахована от возможного банкротства. В мировой практике известны два основных подхода к прогнозированию банкротства: модель Альтмана и система критериев оценки возможного банкротства. Именно второй подход нашел отражение в отечественной практике оценки и прогнозирования так называемой неудовлетворительной структуры баланса, нередко являющейся предвестником возможного банкротства. [17]
Применение рассмотренных в предыдущих разделах подходов к оценке и прогнозированию возможности банкротства российских компаний осложнено многими обстоятельствами объективного и субъективного порядка. Поэтому отечественными нормативно-распорядительными документами предлагается другой подход к прогнозированию возможного банкротства. [18]
Книга содержит описание основных категорий и методов финансового анализа в условиях рыночной экономики. В ней изложены принципы анализа в условиях инфляции, методы прогнозирования возможного банкротства предприятия, рассмотрены содержание и порядок использования традиционных и новых финансовых инструментов. [19]
Такого рода модели играют роль статистических приемов, с помощью которых объекты наблюдения можно разбить на группы. Например, модели балльной оценки кредита делят заемщиков на плохих и хороших, а модели прогнозирования банкротств пытаются отделить фирмы-банкроты от устойчивых компаний. Хотя такого рода модели редко применяют для принятия окончательных решений, они могут быть полезны как средства систематизации информации и подготовки к принятию решений. [20]
Поскольку одним из важнейших направлений аудиторской деятельности является проверка правильности составления баланса и отчета о финансовых результатах, студенты при выполнении заданий должны использовать основные правила чтения ( методики анализа) финансовых отчетов, оформляя аналитические таблицы и рассчитывая соответствующие финансовые коэффициенты. При этом необходимо использовать приемы факторного анализа прибыли, оценки финансового состояния и платежеспособности по данным баланса, прогнозирования возможного банкротства и несостоятельности хозяйствующих субъектов. [21]
В предыдущей главе были изложены результаты классификации ex ante ( т.е. наперед) в задаче оценки привлекательности фирм с точки зрения размещения кредитов, которую выполняли несколько польских специалистов в области кредитного дела на материале гипотетических заявок на предоставление кредита; также были рассмотрены результаты классификации ex post ( т.е. задним числом) на материале реального инвестиционного портфеля Голландского инвестиционного банка. В обеих задачах имеющихся данных было недостаточно для того, чтобы проанализировать цену ошибок классификации. В этой главе мы займемся оценкой ошибок классификации 1-го и 2-го родов в задаче прогнозирования банкротства корпораций и исследуем возможные результаты применения нейронных сетей. Материалом для конкретной задачи послужат данные по ряду британских компаний - производителей комплектующих для автомобилей. В основе конструкции сети лежат семь входных моделей, использующих показатели, которые входят в так называемое дзета Альтмана. [22]
Оценка качества моделей классификации представляет собой сложную задачу, потому что в большинстве реальных приложений цена ошибок неодинакова. Так например, отказ в кредите хорошему клиенту влечет за собой лишь организационные расходы на поиск нового клиента, тогда как предоставление кредита ненадежному партнеру может привести к большим убыткам. Из-за этой несимметрии денежных потоков при определении степени точности модели необходимо учитывать последствия того или иного прогноза. Качество прогнозирования банкротств определяется и тем, насколько точно выявляются банкроты, и тем, насколько точно классифицируются небанкроты. Необнаружение компании-банкрота называется ошибкой 1-го рода, а прогноз банкротства, которого на самом деле не последовало, - ошибкой 2-го рода. [23]
 |
Точность различных прогнозов банкротства. [24] |
Так как в реальной ситуации нельзя знать заранее, какая часть из компаний, представленных в случайной выборке, потерпит банкротство в течение года и поскольку авторы двух рассматриваемых моделей, как можно предположить, устанавливали разделяющие уровни, исходя из каких-то конкретных предположений об априорных вероятностях банкротства и цене ошибок, мы упростили процедуру сравнения и ввели относительные разделяющие уровни. Иначе говоря, для каждой модели мы считали сигналами о банкротстве нижние 10 % сигналов, выдаваемых моделью за очередной год. На деле такой подход означает общую 10-процентную априорную вероятность банкротства и такое отношение числа сигналов о банкротстве к реальным банкротствам в предыдущем тесте, которое определяется с помощью оптимизирующего порога. Кроме того, этот способ имеет то преимущество, что при этом минимизируются искажения, возникающие из-за большого разрыва во времени между публикацией Z-счета Альтмана и проведением эксперимента. Средние показатели за это время могли измениться, и поэтому разделение компаний на сильные и слабые, исходя из определенной пропорции, представляется более надежным. В табл. 9.2 приведены результаты эксперимента по прогнозированию банкротств на год вперед с указанием погрешности для каждой модели. [25]
Достоинством этого метода является системный подход, простота и доступность для предприятий любых отраслей. Одним из недостатков - субъективность, так как финансовый менеджер должен, основываясь на интуиции и знаниях, оценить сложившуюся ситуацию и принять соответствующее решение. Однако в условиях многокритериальной задачи существуют большие сложности при принятии решения. Многие из показателей не имеют финансового характера и не могут быть рассчитаны количественно. Кроме бухгалтерской требуется дополнительная информация из других источников. Несмотря на это учет и анализ данных показателей в практике прогнозирования банкротства имеет очень важное значение. [26]
Страницы: 1 2