Магистерская работа: Оценка финансовой несостоятельности компании

·    рост ставки рефинансирования ведет к росту ставки по кредитам, отсюда следует, повышение роста операционных расходов предприятия;

·        нестабильность налоговой и таможенной системы;

·    спад объема национального дохода;

·        рост интенсивности инфляционных процессов;

·        замедление платежного оборота;

·        снижение уровня реальных доходов населения;

·    неразвитость фондового рынка;

·    нестабильность налоговой системы;

·        нестабильность регулирующего законодательства;

·        рост безработицы, соответственно платежный спрос населения снижается, рост цен ведет к росту себестоимости продукции предприятий;

·        рост предложения товаров - субститутов.

Социальная составляющая:

·    рост инфляции, отсюда следует, снижение потребительского спроса;

·        негативные демографические тенденции.

Отметим, что на финансовое состояние предприятия самым прямым образом влияет состояние финансовой системы России.

Например, причиной индексации заработной платы сотрудников является рост цен на сырье и материалы. Если в финансово - кредитной сфере происходит повышение стоимости кредитных средств это приводит к росту расходов предприятия на погашение кредитов и удорожанию продукции.

На сегодняшний день немаловажную роль играют такие факторы, как развитость IT - инфраструктуры и темп роста экономики. Составляющая первого фактора выступает государственная политика в области технология, основные тенденции в НИОКР и т.д.

Технология - это внешний фактор большого значения. От применяемых технологий во многом зависит эффективность функционирования предприятия.

Среди факторов банкротства в России макроуровня необходимо выделить действия системных факторов, прежде всего, это неразвитость правовой базы, неравноправное схождение в мировую базу, незавершенность институциональных преобразований и т.д. Согласно статистике судов в 2014 г. количество дел по банкротству составляло 37,8 тыс., в 2015 г. - 49,2 тыс., в 2016 г. - выросло в 1,5 раза.

С учетом влияния экономической и политической ситуации на компании можно выявить ряд проблем, которые встают перед российским бизнесом:

.     Резкий рост курса иностранной валюты, соответственно, девальвация рубля. Отсюда следует, Центральный Банк РФ, чтобы сохранить резервы, отвязал курс рубля и убрал валютный коридор, тем самым, переложил риски на бизнес.

2.       Вывоз капитала из страны повлек за собой снижение объемов дешевого иностранного фондирования в российских банках.

Отсюда следует, что у бизнеса возникают серьезные проблемы в работе с контрагентами. Основные выводы:

.     исключения риска утраты авансового платежа при отсутствии поставки нового контрагента;

2.       исключения рисков неоплаты за поставляемый товар;

.        получение льготных условий по контрактам;

.        получение гарантий исполнения контракта.

Таким образом, можно сделать вывод о том, что

Выводы по 2 главе

Отрасль торговли - это одна из основополагающих отраслей. В структуре ВВП России в 2016 году данная сфера занимала 15,8% - одно из первых мест. Это говорит о том, что торговля важна для России, ее необходимо развивать и оптимизировать.

Исходя из вышесказанного, можно предположить, что негативные черты в торговых компаниях прослеживаются не только внутренними факторами, но и с особенностью каждой компании в отдельности. Внешние факторы также жестко влияют на сложившуюся экономическую составляющую. Изменения, происходящие за пределами компаний, требуют вовремя производить оценку текущего состояния предприятия, выработку комплекса мероприятий и т.д.

Согласно последним исследованиям в отрасли ожидается ухудшение. Во-первых, нарастание новой волны банкротств в 2016-2017 гг. Самый высокий уровень банкротств с апреля 2015 г., который на 8% ниже, чем пиковые значения 2014 г. Во-вторых, оборот торговли падает восьмой квартал подряд.

Однако рентабельность продаж демонстрировала положительную динамику, а просроченная задолженность по кредитам и займам имела разнонаправленную динамику. Внешние факторы являются наиболее значимыми, так как возможность оказать воздействие на них критически минимальное. При прогнозировании банкротства внешние факторы составляют порядка тридцати процентов в объяснении банкротств и чаще всего, основаны на мнении авторов, т.е. не подтверждены строго математически.

Проанализировав работы в области данной проблематики и проведенному исследованию, необходимо обратить внимание на то, что в большинстве случаев зарубежные модели не адаптированы под российские экономические условия.

Сравнивая зарубежные и российские модели на предмет адекватности оценки прогнозирования банкротства можно сделать вывод о том, что использование зарубежных моделей должно происходить с большой осторожностью, потому что эти модели были созданы в рамках компаний тех государств, в которых используются и применяются, и они не в полной мере подходят для оценки риска банкротства отечественных субъектов хозяйствования (см. таблицу 1.)

На основе десяти российских торговых компаний были была проведена оценка финансовой несостоятельности, пять из них были компаниями банкротами, остальные - предприятия со здоровым финансовым состоянием. В рамках решения нашей проблематики был использован подход О.П. Зайцевой, так как достоинствами данной модели являются: высокая точность расчетов; адаптированность под российские условия; определение вероятности банкротства в процентом соотношении.

ГЛАВА 3. ПОСТРОЕНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ РИСКА ФИНАНСОВОЙ НЕСОСТОЯТЕЛЬНОСТИ

3.1 Формирование и обоснование выбора факторов в прогнозируемой модели

Банкротство - это общепринятый во всем мире институт экономических отношений. Количество дел по банкротству компаний в 2016 году в России выросло в полтора раза, в 2015 г. данная цифра составила - 49,2 тыс. дел. Исходя из этого, на практике необходимо применять различные методы для контролирования и предупреждения риска финансовой несостоятельности предприятий.

Зависимость между двумя или более зависимыми переменными и одной зависимой переменной исследуют многие методы статистики. Математическая модель представляет собой линейную зависимость предикторных переменных и весовых коэффициентов, которые характеризуют вклад каждого в данные переменные в изменении зависимой переменной. Одними из наиболее часто используемых методов для решения данной задачи выступают:

.     Множественная линейная регрессия.

2.       Дискриминантный анализ.

3.       Logit - регрессия.

Первый метод часто встречается в ситуациях, когда зависимая переменная - это непрерывная величина и основным условием эффективности применения представленного метода является линейная зависимость. Второй метод наиболее часто встречается при исследование субъекта к той или иной группе. Logit - регрессия применяется в тех случаях, когда отклик является величиной принимающих два возможных значения: истина или ложь. Для того чтобы спрогнозировать финансовую несостоятельность компаний можно применить как logit - регрессию, так и дискриминантный анализ.

Одной из сложностей при выборе инструментария выступает необходимость соблюдения требований. Например, определение весовых коэффициентов линейной комбинации в рамках дискриминантного анализа проводится с помощью метода наименьших квадратов. Для того, чтобы получить эффективные и несмещенные оценки этих коэффициентов необходимо соблюдать ряд требований. С точки зрения практики, их соблюдение крайне сложно, особенно при выборке менее 100. Если не соблюдать все требования, это приведет к снижению предсказательной способности модели.

В logit - регрессии линейная зависимость устанавливается между натуральным логарифмом зависимой переменной и линейной комбинацией предикторов. В данной модели нет жестких требований, которые свойственны дискриминантному анализу.

Данная модель имеет вид:

,

где:

P - вероятность наступления банкротства в долях единицы (от 0 до 1);

e - основание натурального логарифма (2,71828);

Y-коэффициент - интегральный показатель, который вычисляется в зависимости от разработанной модели.

Подбор наиболее значимых параметров происходит путем включения всех параметров в модель, кроме тех, которые не включаются по причине мультиколлинеарности (наличие линейной зависимости между объясняющими переменными регрессионной модели). Затем убираются по одному наименее значимому в соответствии с z - статистикой. Это делается, пока все параметры модели не окажутся значимыми на 10% уровне.

На основе проведенного анализа основных моделей прогнозирования банкротства, можно сделать вывод о том, что ни одна из них не может быть универсальной, большинство из представленных моделей учитывают специфику отрасли и той страны, где она разрабатывалась. Современные модели зачастую фиксируют уже случившейся факт банкротства. Исходя из вышесказанного, можно сделать вывод о том, что к изучению вероятности наступления финансовой несостоятельности необходим комплексный подход к финансовым статистическим данным и глубокий анализ всей структуры компании.

Сравнительный анализ моделей прогнозирования банкротства показал, что зарубежные модели мало адаптированы под российские экономические условия. Например, модель У. Бивера имеет высокую прогностическую способность и возможность прогнозирования на длительном интервале, но имеет такую проблему, как: отсутствие интегрального метода оценки финансов компании. Пятифакторная модель Альтмана применима лишь для компаний с акциями, которые свободно обращаются на рынке и т.д. Отечественные модели просты и понятны в использовании, имеют высокую точность расчетов, наиболее полно и точно отражают уровень финансового состояния компании. Однако, также имеют ряд недостатков: сложность интерпретации итоговых значений, зависимость от исходной информации, использование устаревших данных и т.д.

Согласно проведенным исследованиям, если предсказывать банкротство за четыре года, то влияние внешних факторов составляет 31%, внутренних - 69%. За три года влияние внешних факторов усиливается и составляет 44% (доминирующую роль занимает технологический фактор), за два года примерно также, но доминирующую роль составляет рыночные и политические факторы). По итогам исследования, за год до банкротства влияние внешних факторов резко снижается до 27,2% (основные среди них - технологический, экономический, рыночный). Влияние внутренних факторов увеличивается до 72,8% из которых наиболее влиятельные - финансовые показатели. Банкротство возможно предсказать за несколько лет, но наибольшая точность прогнозирования банкротства достигается в последний год. Финансовые коэффициенты - не единственные факторы, которые преобладают при прогнозировании финансовой несостоятельности компаний, однако, являются все-таки ключевыми.

Диаграмма 4. Распределение типов факторов по значимости, %

Источник: составлено автором.

Отрасль, в которой функционирует компания, в данном случае это торговая сфера, в целом влияет на вероятность банкротства.

Построение комплексной модели прогнозирования риска финансовой несостоятельности компании, которая учитывает влияние множества факторов в торговой сфере. Проверка адаптивности модели О.П. Зайцевой для данной сферы при прогнозировании банкротства показала положительные результаты. Была проведена работа по изучению ряда моделей определения риска банкротства, проведена проверка адаптивности каждой модели на российском рынке путем выборки здоровых компаний и компаний - банкротов. Для того чтобы составить новую модель прогнозирования финансовой несостоятельности компании необходимо решить задачу по диагностике полученных данных, сформулировать результаты исследования и оптимизировать уже имеющуюся модель путем добавления экспертным путем нового фактора.

Напомним, как выглядит шестифакторная модель О.П. Зайцевой, определяется уравнением:

,

где

К₁ - коэффициент убыточности предприятия;

К₂ - кредиторская и дебиторская задолженность;

К₃ - обратная величина коэффициенту абсолютной ликвидности (соотношение краткосрочных обязательств и наиболее ликвидных активов);

К₄ - убыточность реализации продукции;

К₅ - коэффициент финансового рычага;

К₆ - коэффициент загрузки.

Для того чтобы выбрать новый фактор, который будет иметь влияние на риск финансовой несостоятельности при прогнозировании и наиболее точно отражать картину банкротства были проанализированы здоровые компании и банкроты в сфере торговли.

Таблица 1. Ранжирование финансовых факторов, объясняющих причины банкротства по частоте использования в научных статьях, %

Для того чтобы протестировать в модели были взяты 5 наиболее весомых финансовых коэффициентов, а также, по мнению автора, был проанализирован такой показатель, как запас финансовой прочности, который отражает насколько предприятие может сократить объем продаж, прежде чем понесет убытки. Так как сфера торговли наиболее подвержена риску банкротства ввиду внутренних и внешних факторов, высокой конкуренткой средой, наличием крупных сетей, которые, в свою очередь, поглощают более мелкие компании, необходим грамотный подход в финансовом менеджменте.

Экспертным путем в модель О.П. Зайцевой был включен такой показатель, как запас финансовой прочности. На наш взгляд, он наиболее четко отразит в каком состоянии находится компания с точки зрения финансовой несостоятельности. Запас финансовой прочности определяется по формуле:

где

В _отч. - выручка фактическая за отчетный год;

В _{в точке безубыточности} - выручка фактическая в точке безубыточности.

Чем больше величина запаса финансовой прочности, тем большие возможности представляются компании, так как субъект эффективно осуществляет свою хозяйственную деятельности, погашает текущую задолженность перед кредиторами и пр., соответственно, компаниям с большой величиной данного показателя, присуще деловая активность и финансовая самостоятельность.

Модернизированная модель О.П. Зайцевой в ходе исследования приняла следующий вид:

,

где

К₁ - коэффициент убыточности предприятия;

К₂ - кредиторская и дебиторская задолженность;

К₃ - обратная величина коэффициенту абсолютной ликвидности (соотношение краткосрочных обязательств и наиболее ликвидных активов);

К₄ - убыточность реализации продукции;

К₅ - коэффициент финансового рычага;

К₆ - коэффициент загрузки;

К₇ - запас финансовой прочности;

3.2 Апробация модели финансовой несостоятельности на примере действующих и недействующих компаний

В рамках исследуемой проблемы был проведен анализ зарубежных и отечественных работ экономистов в вопросе финансовой несостоятельности компаний. Особое внимание уделялось работам российских исследователей, так как они должны быть первостепенными в анализе. Постоянные изменения состояния рынка требует от финансового менеджмента и руководства принятия взвешенных, обдуманных решений для эффективной деятельности организации в соответствии с текущим состоянием рынка и внутренним климатом компании.

Конъюнктура российского рынка на сегодняшний день нестабильна, в связи с этим для того, чтобы обеспечить стабильное функционирование компании в условиях сложной и постоянно меняющейся макроэкономической ситуации необходимо снижать риски неопределенности и нестабильности, которые могут привести к финансовой несостоятельности.

Экономическая наука на сегодняшний день выработала разнообразные приемы и методы прогнозирования риска финансовой несостоятельности компании. Однако встречается множество проблем, в связи с этим, исследователи вынуждены комбинировать несколько методик одновременно, чтобы получать адекватные оценки прогнозирования риска банкротства. Согласно проведенным исследованиям, анализ позволил выделить достоинства и недостатки представленных подходов к прогнозированию финансовой несостоятельности. Предложенные модели прогнозирования банкротства позволили сделать осознанный выбор в пользу модели О.П. Зайцевой, который является оптимальным с точки зрения исследований и поставленных задач.

Построение комплексной модели прогнозирования риска финансовой несостоятельности, которая учитывала бы влияние множества факторов финансовой среды крайне сложно. Основными этапами исследования выступали:

.     Формирование некоторого перечня факторов, которые влияют на финансовую состоятельность компании. Были проранжированы финансовые факторы объясняющие причины банкротства по частоте использования в научных статьях. Для того чтобы протестировать в модели были взяты 5 наиболее весомых финансовых коэффициентов, а также, по мнению автора, был проанализирован такой показатель, как запас финансовой прочности, который отражает насколько предприятие может сократить объем продаж, прежде чем понесет убытки.

2.       Выделение наиболее подходящего фактора для анализа финансовой составляющей предприятия.

.        Включение фактора в модель прогнозирования риска финансовой несостоятельности компании.

Выбор индикаторов был обусловлен наличием информации, которая существует на официальных базах, а также на основании экспертным оценок.

Для того, чтобы определить, возможно ли практически применять построенную модель прогнозирования риска финансовой несостоятельности была проведена оценка эффективности уравнения, построенного экспертным путем.

Одним из условий для применения модели на практике выступает способность предсказывать финансовую несостоятельность относительно тех компаний, которые не вошли в первоначальную выборку. Было выбраны 5 действующих компаний и 5 компаний-банкротов в сфере торговли и на основе их бухгалтерской отчетности проведен анализ построенной модели.

Отчетные даты для прогнозирования риска финансовой несостоятельности выбирались произвольно, для ликвидированных компаний в период с 2014 - 2016 гг. В процессе апробации модели для компаний - банкротов результат получен в 3 из 5 случаев, т.е. предсказательная способность модели имеет точность 60%. Для здоровых компаний - 3 из 5 - 60%. Таким образом, применительно к выборке общая точность прогнозирования составила 60%.

Необходимо отметить, что значения весовых коэффициентов в представленной модели оказывают несбалансированное влияние на общий результат анализа финансового состояния компании. Это происходит, потому что не учитываются относительные значения коэффициентов. Даже маленькие изменения приводят к колебаниям итогового значения. Также сильное влияние на конечный результат оказывает изменение краткосрочных обязательств. Положительная динамика этих значений является естественным процессом для отрасли, которая развивается. Если рассматривать рост данного показателя в отдельности, можно сказать о том, что на него влияет ряд совокупных факторов, которые связаны с инфляцией и наращиваем объемов производства и т.д.

Одним из ключевых моментов принимаемым во внимание кредиторами является экспресс - оценка угрозы банкротства, является способность и неспособность в полном объеме исполнять свои обязательства. Рост данного показателя говорит о том, что существует высокий уровень риска финансовой несостоятельности. Однако, добавление такого параметра, как запас финансовой прочности показывает, что чем больше величина запаса финансовой прочности, тем большие возможности представляются компании, так как субъект эффективно осуществляет свою хозяйственную деятельности, погашает текущую задолженность перед кредиторами и пр., соответственно, компаниям с большой величиной данного показателя, присуще деловая активность и финансовая самостоятельность. Если же запас финансовой прочности отсутствует, то это говорит о том, что финансовое состояние компании находится в не лучшем положении.

Относительно предсказательной способности модели О.П. Зайцевой 60%. Отсюда следует, что включение в данную модель новых параметров теоретически способно привести к повышению уровня предсказательной способности. Одним из наилучших способов повышения точности модернизированной модели является сбор данных и их актуализация.

Усредненные значения для компаний банкротов в сфере торговли представлены ниже.

Таблица 2. Вероятность банкротства по модернизированной модели О.П. Зайцевой для недействующих компаний

Для того, чтобы определить вероятность банкротства необходимо сравнить фактические значения с модернизированным нормативным, т.е. K_{норматив} = 1,57 + 0,1* K_6.

K_{норматив} 2015 г. = 1,578.

K_{норматив} 2016 г. = 1,574.

Отсюда следует, что K_{фактическое} > K_{норматив,} соответственно, существует высокая вероятность банкротства компании.

Аналогичный усредненный расчет был проведен для действующих компаний в торговой сфере.

Таблица 3.Вероятность банкротства по модернизированной модели О.П. Зайцевой для недействующих компаний

Анализируя полученные данные, можно сделать вывод о том, что вероятность банкротства минимальна. Однако, несмотря на точность прогнозирования возможность эффективного применения данной модели минимальна.

В качестве рекомендаций, следует выделить, что данная модель может быть использована в качестве дополнительного инструмента при прогнозировании риска финансовой несостоятельности торговых компаний. При актуализации значений весовых коэффициентов, данная модель может быть применена к другим отраслям экономики.

Одним из недостатков этой модели выступает то, что в состав параметров входят только показатели финансово - хозяйственной деятельности, но нет учета влияния внешних факторов.

Кризисное финансовое состояние компании возникает в том случае, когда оборотных средств организации оказывается недостаточно для того, чтобы покрыть кредиторскую задолженность и обязательства. Исходя из этого, восстановление механизма управления финансами компании сводится к тому, чтобы принять меры по повышению рентабельности предприятия и повышения его деловой активности.

Необходимо оптимизировать расходы, снизить затраты и необорачивающиеся запасы, а также все неэффективные процессы. Одним из правил в торговой сфере выступает принцип рационального координирования финансов в компании. Для того, чтобы стабильность финансового положения организации в сфере торговли сохранялась, необходимо планировать доходы и структурировать пассивы организации.

Согласно зарубежной практике, прогнозирование моделей финансового состояния компании, первостепенна роль финансовой стратегии по обеспечению компании финансовыми ресурсами, а также оценка потенциала организации в перспективе.

Данный процесс заключается в оптимизации основных и оборотных средств, распределение прибыли, собственного и заемного капитала, ценовой политики и др.

На сегодняшний день наблюдается рост числа компаний, которые имеют средний и высокий уровни риска финансовой несостоятельности, соответственно, тема модернизации существующих моделей, а также исследование в этой проблематике приводит к росту спроса на данную тему.

Специфика российского рынка в вопросе формирования оборотных средств заключается в том, что невозможно напрямую использовать критериальные уровни коэффициентов финансовой устойчивости и ликвидности).

Отсюда следует, что создание шкалы критериев опирается на средние величины коэффициентов для одной отрасли.

Выводы по 3 главе

Для того чтобы протестировать в модели были взяты 5 наиболее весомых финансовых коэффициентов, а также, по мнению автора, был проанализирован такой показатель, как запас финансовой прочности, который отражает насколько предприятие может сократить объем продаж, прежде чем понесет убытки.

Так как сфера торговли наиболее подвержена риску банкротства ввиду внутренних и внешних факторов, высокой конкуренткой средой, наличием крупных сетей, которые, в свою очередь, поглощают более мелкие компании, необходим грамотный подход в финансовом менеджменте.

Экспертным путем в модель О.П. Зайцевой был включен такой показатель, как запас финансовой прочности. На наш взгляд, он наиболее четко отразит в каком состоянии находится компания с точки зрения финансовой несостоятельности.

Относительно предсказательной способности модели О.П. Зайцевой 60%. Отсюда следует, что включение в данную модель новых параметров теоретически способно привести к повышению уровня предсказательной способности.

Одним из наилучших способов повышения точности модернизированной модели является сбор данных и их актуализация.

Для того, чтобы определить, возможно ли практически применять построенную модель прогнозирования риска финансовой несостоятельности была проведена оценка эффективности уравнения, построенного экспертным путем.

Одним из условий для применения модели на практике выступает способность предсказывать финансовую несостоятельность относительно тех компаний, которые не вошли в первоначальную выборку. Было выбраны 5 действующих компаний и 5 компаний-банкротов в сфере торговли и на основе их бухгалтерской отчетности проведен анализ построенной модели.

Отчетные даты для прогнозирования риска финансовой несостоятельности выбирались произвольно, для ликвидированных компаний в период с 2014 - 2016 гг.

В процессе апробации модели для компаний - банкротов результат получен в 3 из 5 случаев, т.е. предсказательная способность модели имеет точность 60%. Для здоровых компаний - 3 из 5 - 60%. Таким образом, применительно к выборке общая точность прогнозирования составила 60%.

Анализируя полученные данные, можно сделать вывод о том, что вероятность банкротства минимальна. Однако, несмотря на точность прогнозирования возможность эффективного применения данной модели минимальна.

В качестве рекомендаций, следует выделить, что данная модель может быть использована в качестве дополнительного инструмента при прогнозировании риска финансовой несостоятельности торговых компаний. При актуализации значений весовых коэффициентов, данная модель может быть применена к другим отраслям экономики.

Одним из недостатков этой модели выступает то, что в состав параметров входят только показатели финансово - хозяйственной деятельности, но нет учета влияния внешних факторов.

Исходя из вышесказанного, можно сделать вывод о том, что построение модели прогнозирования риска финансовой несостоятельности довольно сложный и тяжелый процесс, требующий от исследователя грамотного подхода, умения систематизировать и анализировать информацию.

В нашем случае, была взята модель О.П. Зайцевой, так как она наиболее подходит для целей и выполнения условий поставленной проблематики. Экспертным путем был добавлен дополнительный фактор, отражающий уровень запаса финансовой прочности.

Тем самым, прогнозная сила модели О.П. Зайцевой без дополнительного параметра составляла 60%, при добавлении показателя запаса финансовой прочности, модернизированная модель повела себя идентично. Отсюда следует, что необходима доработка в этой области исследования, использование большего объема выборки, возможно, включение в модель внешних факторов, однако, необходимо соблюдать условие, что за 3-4 года до банкротства, внешние факторы играют большую роль, чем внутренние.

ЗАКЛЮЧЕНИЕ

В работе приведены результаты исследования, которые направлены на разработку и исследование существующего инструментария по прогнозированию финансовой несостоятельности компании, измерение внутренних и внешних факторов, влияющих на финансовую среду компании, а также разработка и апробация новой модели.

Для проработки теоретического аспекта данной проблематики были исследованы ключевые понятия: банкротство, финансовая несостоятельность, риск финансовой несостоятельности, финансовая устойчивость, финансовая среда компании.

Проанализировав труды зарубежных и российских экономистов можно сделать вывод о том, что не существует единой позиции в трактовке вышеназванных понятий. Это говорит о том, что процесс исследования проблематики характеризируется многогранностью явлений и вызывает научный интерес.

Главным акцентом при исследовании выступала сфера торговли, так как согласно исследованиям, торговля лидирует по числу банкротств.

Отрасль торговли - это одна из основополагающих отраслей. В структуре ВВП России в 2016 году данная сфера занимала 15,8% - одно из первых мест. Это говорит о том, что торговля важна для России, ее необходимо развивать и оптимизировать. Тем самым, было указано на важность выявления и изучения причин финансовой несостоятельности компаний в данной сфере.

Проанализировав работы в области данной проблематики и проведенному исследованию, необходимо обратить внимание на то, что в большинстве случаев зарубежные модели не адаптированы под российские экономические условия.

Сравнивая зарубежные и российские модели на предмет адекватности оценки прогнозирования банкротства можно сделать вывод о том, что использование зарубежных моделей должно происходить с большой осторожностью, потому что эти модели были созданы в рамках компаний тех государств, в которых используются и применяются, и они не в полной мере подходят для оценки риска банкротства отечественных субъектов хозяйствования.

Таким образом, можно сделать вывод о том, что авторами, на сегодняшний день, не разработан научно обоснованный инструментарий, который позволял бы компании и бизнесменам руководствоваться при принятии важных решений, позволяющих учитывать состояние рынка.

Согласно проведенным исследованиям, если предсказывать банкротство за четыре года, то влияние внешних факторов составляет 31%, внутренних - 69%.

За три года влияние внешних факторов усиливается и составляет 44% (доминирующую роль занимает технологический фактор), за два года примерно также, но доминирующую роль составляет рыночные и политические факторы). По итогам исследования, за год до банкротства влияние внешних факторов резко снижается до 27,2% (основные среди них - технологический, экономический, рыночный).

Влияние внутренних факторов увеличивается до 72,8% из которых наиболее влиятельные - финансовые показатели.

Банкротство возможно предсказать за несколько лет, но наибольшая точность прогнозирования банкротства достигается в последний год. Финансовые коэффициенты - не единственные факторы, которые преобладают при прогнозировании финансовой несостоятельности компаний, однако, являются ключевыми.

Экспертным путем в модель О.П. Зайцевой был включен такой показатель, как запас финансовой прочности. На наш взгляд, он наиболее четко отразит в каком состоянии находится компания с точки зрения финансовой несостоятельности.

Относительно предсказательной способности модели О.П. Зайцевой 60%. Отсюда следует, что включение в данную модель новых параметров теоретически способно привести к повышению уровня предсказательной способности.

Одним из наилучших способов повышения точности модернизированной модели является сбор данных и их актуализация.

Для того, чтобы определить, возможно ли практически применять построенную модель прогнозирования риска финансовой несостоятельности была проведена оценка эффективности уравнения, построенного экспертным путем. Одним из условий для применения модели на практике выступает способность предсказывать финансовую несостоятельность относительно тех компаний, которые не вошли в первоначальную выборку. Было выбраны 5 действующих компаний и 5 компаний-банкротов в сфере торговли и на основе их бухгалтерской отчетности проведен анализ построенной модели.

Отчетные даты для прогнозирования риска финансовой несостоятельности выбирались произвольно, для ликвидированных компаний в период с 2014 - 2016 гг. В процессе апробации модели для компаний - банкротов результат получен в 3 из 5 случаев, т.е. предсказательная способность модели имеет точность 60%. Для здоровых компаний - 3 из 5 - 60%. Таким образом, применительно к выборке общая точность прогнозирования составила 60%.

Анализируя полученные данные, можно сделать вывод о том, что вероятность банкротства минимальна. Однако, несмотря на точность прогнозирования возможность эффективного применения данной модели минимальна.

В качестве рекомендаций, следует выделить, что данная модель может быть использована в качестве дополнительного инструмента при прогнозировании риска финансовой несостоятельности торговых компаний. При актуализации значений весовых коэффициентов, данная модель может быть применена к другим отраслям экономики.

Тем самым, можно сделать вывод о том, что поставленные задачи выполнены в полной мере, цель в виде исследования инструментария по прогнозированию финансовой несостоятельности компании и измерению внутренних и внешних факторов, которые влияют на финансовую среду компании, достигнута.

Одним из недостатков этой модели выступает то, что в состав параметров входят только показатели финансово - хозяйственной деятельности, но нет учета влияния внешних факторов.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

Нормативно - правовые акты

1.   Уголовный кодекс Российской Федерации, от 13 июня 1996 № 63 - ФЗ, Раздел VIII, глава 22, ст. 195 - 197.

2.       Федеральный закон от 26 октября 2002 г. N127-ФЗ «О несостоятельности (банкротстве)».

.        Федеральный закон от 21 декабря 2013 г. № 379-ФЗ «О внесении изменений в отдельные законодательные акты Российской Федерации».

.        Постановлении Правительства РФ от 20 мая 1994 № 498 «О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий».

Книги

1.   Львова Н.А., Абрамишвили Н.Р. Модель интеллектуального капитала в диагностике высокотехнологичных компаний // Финансовая аналитика: проблемы и решения. 2014. № 25. С. 25-33.

2.   Bems J, Stary O. Smart bankruptcy prediction modelling. Artificial Intelligence approach// Экономика и предпринимательство. - 2014,№6 (47). - с.629-631.

3.       Абрамишвили Н.Р., Львова Н.А. Динамическая модель оценки платежеспособности должника: к вопросу разработки стандартов финансового анализа для арбитражных управляющих // Финансовая аналитика: проблемы и решения. 2015. № 38 (272). С. 30-41.

4.   Абрамишвили Н.Р., Львова Н.А. Финансовая диагностика инновационных компаний: методический аспект // Проблемы современной экономики. 2013. № 2 (46). С. 164-168.

.     Антикризисное управление. Теория и практика: учебное пособие/ Под ред. Захарова В. Я. - 3-е изд., проработанное и дополненное - Москва: Юнити-Дана, 2015. - 319 с.

6.       Безбородова Т. И. Современные особенности экономического анализа в институте банкротства России// Юрист. - 2013, №2013. - с. 30-35.

.        Болтунова Е. М. Оценка вероятности банкротства в российской и зарубежной практике// Экономика и предпринимательство. - 2014, №141 (42 - 1). - с. 239-244.

.        Вайсблат Б. И. Оценка риска несостоятельности организаций// Экономический анализ: теория и практика. - 2013, №42 (345). - с. 2-10.

.        Воронова Н.С., Дарушин И.А., Львова Н.А. Актуальные вопросы корпоративных финансов: диагностика эмитентов. Монография / Отв. редактор Воронова Н.С. - СПб, 2012

10. Давыдова Г.В., Беликов А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском. 1999. № 3. С. 320.

11.     Демешев Б.Б., Тихонова А.С. Динамика прогнозной силы моделей банкротства для средних и малых российских компаний оптовой и розничной торговли // Корпоративные финансы. 2014. № 3. С. 4-22.

.        Елецких С.Я. Анализ теоретических подходов к трактовке сущности понятия «финансовая устойчивость предприятия» // Экономика промышленности. 2009. № 1. С. 188-196.

13. Зайцева О.П. Антикризисный менеджмент в российской фирме // Сибирская финансовая школа. 1998. № 11-12. С. 66-73.

14.     Ивасенко А. Г. Антикризисное управление. - Москва: КноРус, 2016. - 503с.

.        Ковалев В.В., Ковалев Вит. В. Корпоративные финансы и учет: понятия, алгоритмы, показатели. 3-е изд. М.: Проспект, 2015. - 992 с.

.        Кокорев Н. А., Турчаева И. Н. Учет и анализ банкротств: учебное пособие. - Москва: КноРус, 2013. - 192 с.

.        Корпоративные финансы: учебник и практикум для академического бакалавриата. Гребенников П. И. - Москва: Юйт, 2014. - 252 с.

.        Кукушкина В. В. Антикризисный менеджмент: монография. - Инфра-М, 2013. - 328 с.

.        Львова Н.А. Финансовая диагностика предприятия: монография / Под ред. В.В. Иванова. М.: Проспект, 2015.

.        Мицель А. А. Модели риска и прозирование банкротства предприятия// Управление риском. - 2013, №1 (65). - с. 44-52.

.        Неупокоева Т. Э. Антикризисное управление организацией (предприятием). Учебное пособие. - СПб: СПбГУЭФ, 2016. - 133 с.

.        Попов В. Б., Кадыров Э. Ш. Анализ моделей прогнозирования вероятности банкротства предприятий// Ученые записки Таврического национального университета имени В.И. Вернадского. Серия «Экономика и управление». - 2014, том 27 (66), № 1. - с. 118-128.

.        Порохова. А. А. Диагностика признаков банкротства предприятия. Режим доступа: [#"904547.files/image013.gif">

Диаграмма 5. Структура ВВП РФ, %