Главная    Интернет-библиотека    Финансы    Финансовый рынок РФ    Применение моделей и критериев Альтмана в анализе финансового состояния сельхозпредприятий

Применение моделей и критериев Альтмана в анализе финансового состояния сельхозпредприятий

Применение моделей и критериев Альтмана в анализе финансового состояния сельхозпредприятий

Опубликовано в журнале "Финансовый менеджмент" №6 год - 2006

Патласов О.Ю.



профессор Омского гуманитарного института

Сергиенко О.В.,
доцент Омского государственного аграрного университета

Несостоятельность российских предприятий АПК в период общего кризиса обусловлена неблагоприятными макроэкономическими условиями: нарушение традиционных хозяйственных связей, спад производства, резкие, трудно прогнозируемые изменения экономической политики правительства, инфляция, политическая нестабильность, разбалансированность финансового рынка. Однако мониторинг предприятия-банкрота обычно показывает, что банкротство наступает постепенно. Постоянная аналитическая работа, направленная на выявление и нейтрализацию скрытых негативных тенденций, предупреждает факт наступления кризисной ситуации. Диагностика банкротства, наряду с очевидными внешними причинами выявляет также ошибки сельхозтоваропроизводителей, усугубившие негативное воздействие внешней среды.

Коммерческие организации в своем развитии подвержены различным видам кризисов (экономическим, финансовым, управленческим), и их банкротство следует рассматривать как острое проявление кризиса. Во всем мире под банкротством принято понимать финансовый кризис, то есть неспособность фирмы выполнять свои текущие обязательства. Помимо этого, фирма может испытывать экономический кризис (ситуация, когда материальные ресурсы компании используются неэффективно) и кризис управления (неэффективное использование человеческих ресурсов, что часто означает также низкую компетентность руководства и, следовательно, неадекватность управленческих решений требованиям окружающей среды).

Известные методики предсказания банкротства выявляют различные виды кризисов, поэтому оценки, получаемые при их помощи, сильно различаются. Но любой из названных видов кризисов может привести к ликвидации организации. В практике не существует универсальной методики предсказания банкротства по причине «специализации» на каком-либо одном виде кризиса. Поэтому целесообразно отслеживание динамики результирующих показателей по нескольким из них. Выбор конкретных методик должен диктоваться особенностями отрасли, в которой функционирует предприятие.

Несмотря на наличие большого количества всевозможных моделей и методик (Р. Лис, Д. Фулмер, Г. Спрингейт, Р. Таффлер, Ж. Конан и М. Гольдер, У. Бивер, Д. Дюран, Л.В. Донцова, А.В.Грачев, Е.С. Стоянова, М.А. Федотова, Р.С. Сайфулина, П.А. Фомина, О.П. Зайцева, В.В. Ковалева, Г.В. Савицкая, Т.Б. Бердникова), позволяющих прогнозировать наступление банкротства фирмы с той или иной степенью вероятности, в этой области существует много проблем прогнозирования банкротства, особенно в такой специфической отрасли, как сельское хозяйство. Несовершенство института банкротства в нашей стране затрудняет осуществление разработок, основанных на реалиях нашей экономики и направленных на достоверное прогнозирование возможного банкротства предприятий.

Применение зарубежных и отечественных методик диагностики банкротства не лишено недостатков, в частности — используемые в официальных методиках весовые коэффициенты требуют корректировки применительно к отечественным, региональным и отраслевым условиям функционирования хозяйствующих субъектов; существующая статистика не отражает в полном объеме сведения о работе успешных, и слабых предприятий, о динамике и структуре собственного и заемного капитала, оборотных средств, оценке ликвидности баланса предприятия, т. е. существует сложность сбора необходимой финансовой информации, характеризующей финансовое положение сельскохозяйственной организации изнутри.

В настоящее время проблема прогнозирования банкротства для отдельного предприятия состоит, с одной стороны, в отсутствии общепризнанных действующих методик прогнозирования банкротства и платежеспособности субъектов предпринимательской деятельности, с другой, эти методики ориентированы в основном на установление факта неплатежеспособности тогда, когда признаки банкротства коммерческой организации уже налицо. Предсказание риска банкротства также представляет собой опасность наступления «неплатежеспособности сельскохозяйственных организаций, имеющей или приобретающей устойчивый характер», прекращение поступлений в бюджет, а порой и дополнительные расходы бюджета. Поэтому финансовые службы региона, также как и организации заинтересованы в предвидении тенденции изменения финансового состояния сельхозтоваропроизводителей с целью прогноза возможных изменений своей доходной базы. Для местного бюджета это означает риск прямых финансовых потерь, включающий в себя и риск банкротства налогоплательщиков. Своевременный анализ тенденций текущей платежеспособности и диагностика банкротства сельскохозяйственных организаций позволит рассчитать величину финансового риска и возможные сроки наступления потерь дохода; разработать оздоровительные мероприятия по предупреждению кризисных ситуаций, до введения процедуры банкротства, когда финансовые потери у субъекта хозяйствования уже состоялись, источники дохода для бюджета практически потеряны, и риски рассчитывать нецелесообразно.

В современной экономической науке в последнее время появились многочисленные разработки в сфере анализа и прогноза деятельности коммерческих организаций, в том числе методы расчета степени отдаленности фирм от банкротства и степени их надежности. По итогам финансового анализа система стандартных показателей (ликвидности, финансовой устойчивости, эффективности используемых ресурсов, отдачи активов) позволяет выявить слабые места в экономике коммерческой организации, охарактеризовать состояние финансово-хозяйственной деятельности сельхозпредприятия. При этом, учитывая нормативную базу, одни показатели могут находиться в критической зоне, а другие быть вполне удовлетворительными. Общие показатели, используемые в качестве критерия неплатежеспособности сельхозпредприятия, часто не учитывают особенностей региональной и отраслевой специфики. Многие показатели ликвидности и финансовой устойчивости взаимодополняют и взаимозаменяют друг друга, в нормативных документах анализа финансового состояния организации нет четкого определения установленных отраслевых нормативов, а чаще эти нормативы отсутствуют вообще. Поэтому на основе такого анализа затруднительно сделать однозначный вывод о том, что данное сельскохозяйственное предприятие обязательно обанкротится в ближайшее время или, наоборот, выживет, т.к. предприятия АПК обладают различной организационно-технической спецификой, своими уникальными рыночными нишами, стратегиями и целями, фазами жизненного цикла. В этом случае для общего анализа необходимо использовать оптимальное количество коэффициентов, учитывая специфику, размеры организации и основные цели и задачи анализа. Достоверность анализа вероятности банкротства значительно повышается при сопоставлении показателей данного предприятия и аналогичных предприятий, обанкротившихся или избежавших банкротства. Однако в России для аграрного сектора экономики подыскать подходящий аналог для сравнения очень проблематично, или такой аналог отсутствует вообще. Возникает необходимость использования инструментария, повышающего надежность выводов прогнозирования вероятности банкротства. Одним из таких методов является метод дискриминантного анализа, с помощью которого решаются задачи классификации, то есть разбиения совокупности анализируемых объектов на группы путем построения классифицирующей функции в виде корреляционной модели.

Метод дискриминантных показателей впервые появился в США (1960), когда ученые попытались сформулировать модели предсказания банкротства. Известно несколько многофакторных прогнозных моделей, с помощью которых субъекты хозяйствования можно разделить на потенциальных банкротов и небанкротов. Самое фундаментальное исследование в практике зарубежных финансовых организаций опубликовано в 1968 г. в Journal of Finance Э.И. Альтманом<1> и явилось отправной точкой многочисленных последующих исследований, проводимых в области диагностики банкротства. Данный метод представляет собой поэтапный анализ, который на базе ряда коэффициентов позволяет оценить финансовую ситуацию фирмы с точки зрения ее жизнеспособности и непрерывности хозяйственной деятельности в краткосрочном периоде.

<1> Altman, Edward I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy, Journal of Finance (September 1968), pp. 589—609.

Суть исследования заключается в следующем.
— Сравнительный анализ за один и тот же период на основе ряда коэффициентов двух выборок, включающих фирмы, имеющие трудности по платежам, и «здоровые» фирмы.
— Отбор с помощью различных статистических тестов коэффициентов, позволяющих определить лучшую фирму, представленную в одной из выборок.
— Разработка с помощью приемов дискриминантного анализа линейной комбинации Z из определяющих коэффициентов, которая позволит установить различие между неплатежеспособными и здоровыми коммерческими организациями и может служить инструментом предсказания.

Модель Альтмана была построена при помощи множественного дискриминантного анализа (Multiple discriminant analysis — MDA). Автор исследовал 22 различных финансовых коэффициента, на основе которых был осуществлен пошаговый дискриминантный анализ 66 компаний (33 из которых успешно функционировали и 33 потерпели банкротство в период между 1946 и 1965 гг.), позволивший оценивать веса отдельных расчетных показателей. В итоге в модели остались только пять основных финансовых коэффициентов, каждый из которых был наделен определенным весом, установленным статистическими методами. При помощи своего аналитического метода Альтман вывел следующее уравнение надежности («Z score model»):

Z = 1,2 Х1 + 1,4 Х2 + 3,3 Х3 + 0,6 Х4 + 1,0 Х5,

где Х1 — доля чистого оборотного капитала в активах;
Х2 — отношение накопленной прибыли к активам;
Х3 — рентабельность активов;
Х4 — отношение рыночной стоимости всех обычных и привилегированных акций предприятия к заемным средствам;
Х5 — оборачиваемость активов.

В рассматриваемой модели первый фактор представляет собой долю покрытия активов собственным оборотным капиталом и характеризует платежеспособность предприятия; второй и четвертый — отражают структуру капитала; третий — рентабельность активов, исчисленную исходя из балансовой прибыли; пятый — оборот капитала.

Отнесение предприятия к определенному классу надежности производится на основании следующих значений индекса Z:
Z <1,81, то вероятность банкротства очень велика;
1,81 < Z < 2,675, то вероятность банкротства средняя;
Z = 2,675, то вероятность банкротства равна 0,5;
2,675 < Z < 2,99, то вероятность банкротства невелика;
Z > 2,99, то вероятность банкротства ничтожна.

В 1977 г.<2> Э.И. Альтман, Р.Г. Холдмен и П. Нараян разработали более точную модель (модель ZETA), позволяющую прогнозировать банкротство на горизонте в пять лет с точностью в 70%<3>. Она показала большую точность, чем Z score model, особенно при прогнозировании на продолжительные временные горизонты. Первоначально в модели использовались 27 финансовых коэффициентов, из которых впоследствии было отобрано только семь:
Х1 — рентабельность активов: отношение прибыли до выплаты процентов и налогов к совокупным активам;
Х2 — стабильность прибыли, оцениваемая за последние 5—10 лет;
Х3 — коэффициент покрытия процентов: отношение прибыли до выплаты процентов и налогов к общей сумме процентных платежей;
Х4 — совокупная прибыльность: отношение нераспределенной прибыли к сумме активов;
Х5 — коэффициент текущей ликвидности: отношение оборотного капитала к краткосрочной кредиторской задолженности компании;
Х6 — отношение рыночной капитализации к балансовой стоимости капитала, которая оценивается в среднем за последние 5 лет;
Х7 — размер компании, оцениваемый как логарифм совокупных активов компании.

<2> Зачастую данную модель датируют 1978 годом. См.: Агапцов С.А., Мордвинцев А.И., Фомин П.А., Шаховская Л.С. Индикативное планирование как основа стратегического развития промышленного предприятия: Монография. – М.: Высшая школа, 2002.
<3> Altman E.I., Haldeman R.G., Narayanan P. Zeta Analysis: A New Model to Identify Bankruptcy Risk of Corporation, Journal of Banking and Finance, June 1977.

В 1983 г. Э. Альтман<4> получил модифицированный вариант своей формулы для компаний, акции которых не котировались на рынке:

Z = 0,717 Х1 + 0,84 Х2 + 3,107 Х3 + 0,42 Х4 + 0,995 Х5,

где К4 — балансовая стоимость собственного капитала в отношении к заемному капиталу. При Z < 1,23 Альтман диагностирует высокую вероятность банкротства.

<4> Altman E.I. Corporate Financial Distress. – New York, John Wiley, 1983;   Altman E.I. Further Empirical Investigation of the Bankruptcy Cost Question, Journal of Finance, September 1984, pp. 1067 – 1089.

На предприятиях, акции которых на рынке не котируются, а также в связи с недостаточной развитостью российского фондового рынка и с отсутствием в России информации о рыночной стоимости акций в виде исключения можно использовать вариант, предложенный экономистом Ю.В. Адамовым, который при расчете коэффициента К4 заменяет рыночную стоимость акций на сумму уставного и добавочного капитала, так как увеличение стоимости активов предприятия приводит либо к увеличению его уставного капитала (увеличение номинала или дополнительный выпуск акций), либо к росту добавочного капитала (повышение курсовой стоимости акций в силу роста их надежности).

Разработанные на Западе модели прогнозирования банкротства соответствуют условиям развитой рыночной экономики. Для российской экономики применение модели Альтмана имеет ряд ограничений из-за разной методики отражения инфляционных факторов, разной структуры капитала, из-за различий в информационной и законодательной базах. К примеру, коэффициент покрытия по рыночной стоимости собственного капитала при использовании в расчетах получает очень высокую оценку, что не соответствует российской действительности в связи с несовершенством действующей методики переоценки основного капитала. Необоснованно завышается доля собственного капитала за счет фонда переоценки (добавочного капитала). В результате высокий уровень показателя Z-модели Альтмана достигается даже по хронически убыточным организациям из-за того, что они имеют малую долю заемного капитала в общей его сумме, и, соответственно, рассматриваемый показатель искажает фактическое финансовое положение фирмы.

С развитием системы банкротств и появлением достаточного количества банкротов в разных отраслях хозяйственной деятельности становится возможной адаптация модели прогнозирования Э. Альтмана к реалиям российской экономики. Актуальность этой задачи усиливается по мере развития рынка и создания здоровой конкурентной среды. До настоящего времени в финансовом анализе активно применяются как оригинальные модели Альтмана, так и критерии. К примеру, у Северно-западного общества оценщиков в методиках оценки бизнеса содержится тестирование фирм моделями Альтмана. Идеи формул Альтмана заложены в программе «Аудит—эксперт» (Audit Expеrt 3,71). В описании применения программы «Аудит—эксперт» указывается область применения методики «Z-показатель Альтмана»:
— Коммерческими предприятиями – для анализа вероятности угрозы возможного банкротства (утраты платежеспособности).
— Аудиторскими компаниями – для составления заключения о финансовом состоянии (перспектив банкротства) предприятия – заказчика.
— Государственными предприятиями – для представления финансовых показателей хозяйственной деятельности в вышестоящие структуры.
— Потенциальными контрагентами и акционерами предприятия – для оценки его перспективной платежеспособности и принятия стратегических решений в отношении данного предприятия.

Пользователи лишь по косвенным признакам могут догадываться, что в программном обеспечении заложена модель 1968 г. (построена с помощью аппарата мультипликативного дискриминантного анализа; итоговый коэффициент вероятности банкротства Z рассчитывается при помощи пяти показателей; в зависимости от значения Z-показателя по определенной шкале производится оценка вероятности наступления банкротства в течение двух лет).

Учеными Иркутской государственной экономической академии предложена своя четырехфакторная модель прогноза риска банкротства предприятий торговли (модель R-счета), аналогичная модели Э.И. Альтмана 1968 г.:

R = 8,38 К1 + К2 + 0,054 К3 + 0,63К4,

К1 — чистый оборотный капитал/ общие активы;
К2 — резервный капитал + нераспределенная прибыль/ общие активы;
К3 — прибыль (убыток) + проценты к уплате/ общие активы;
К4 — капитал и резервы/ общие обязательства;
К5 — выручка от продажи/общие активы.

Для оценки значений модели R-счета используется шкала из 5 интервалов, по которой можно судить об угрозе банкротства:
R < 0 — вероятность банкротства максимальная (90—100%);
R < 0 < 0,18 — вероятность банкротства высокая (60—80%);
0,18 < R < 0,32 — вероятность банкротства средняя (35—50%);
0,32 < R < 0,42 — вероятность банкротства низкая (15—20%);
R > 0,42 — вероятность банкротства минимальная (до 10%).

С учетом мирового опыта антикризисного управления для диагностики банкротства отечественных предприятий коллективом ученых Санкт-Петербургского государственного университета под руководством д-ра экон. наук, профессора С. В. Валдайцева эмпирически был сформулирован критерий Альтмана<5>.

<5> Методика оценки надежности российских предприятий на основании официальных данных консолидированного баланса и прочей косвенной информации: http://nwsa.ru/pub/7/61_1.php.

Этот критерий представляет собой дискриминантную функцию от четырех финансовых коэффициентов, рассчитываемых по балансу и отчету о прибылях и убытках предприятия. Различия в принятых в разных странах системах бухгалтерского учета в этом критерии нивелируются тем, что дискриминантная функция критерия Альтмана предполагает перемножение нескольких относительных показателей, в каждом из которых к сумме остаточной балансовой стоимости активов или обязательств предприятия нормируются наиболее зависимые от системы бухгалтерского учета величины прибыли.
Критерий Альтмана (Z) рассчитывается следующим образом:

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

где Х1 — отношение оборотных средств к сумме стоимости всех активов;
Х2 — отношение балансовой прибыли к сумме стоимости всех активов;
X3 — отношение прибыли до процентов и налога к сумме стоимости всех активов;
X4 —отношение балансовой стоимости собственного капитала (чистых активов) к общей сумме стоимости всех обязательств фирмы.

Считается, что если показатель Z меньше 1,10, то существует угроза неплатежеспособности предприятия.

Если этот показатель больше 2,90, то можно утверждать, что угрозы неплатежеспособности предприятия не существует.

Предприятия, для которых критериальный показатель Альтмана находится между 1,10 и 2,90, квалифицируются как находящиеся в «серой зоне». Это означает, что ничего определенного о перспективах сохранения ими платежеспособности сказать нельзя.

Авторами проверена гипотеза возможности и ограничений (невозможности) применения моделей Альтмана к сельскохозяйственным предприятиям. Наши исследования подтверждают приемлемость использования критерия Альтмана в отечественных условиях бизнеса для диагностики несостоятельности сельскохозяйственных предприятий.

Методика проводимого нами тестирования заключалась в диагностике банкротства сельхозпредприятий, систематически включаемых в рейтинг лучших хозяйств области по показателю наивысшего уровня рентабельности от реализации продукции на основе моделей Альтмана, а также адаптированного критерия Альтмана. Фрагмент построенной аналитической таблицы 1 демонстрирует приемлемость использования различных моделей Альтмана в отечественных условиях агробизнеса. Знаком «+» в таблице отмечается совпадение результатов прогноза модели и фактического положительного финансового состояния.

Таблица 1

Приемлемость использования критерия Альтмана в отечественных условиях бизнеса для диагностики несостоятельности сельскохозяйственных предприятий

Название

Показатель Z «Критерий Альтмана»

Степень вероятности банкротства

Показатель Z — методика Альтмана (1968)

Степень вероятности банкротства

Показатель Z — методика Альтмана (1983)

Степень вероятности банкротства

1. ЗАО «Карбаиновское»

9,04

малая- «+»

2,31

высокая

2,57

высокая

2. ООО «Охотниковский «АПДС»

4,58

малая- «+»

1,15

очень высокая

0,91

очень высокая

3.ЗАО «Истоки»

5,47

малая- «+»

2,41

высокая

1,85

высокая

4. ЗАО «Сибирь-Агро»

8,18

малая- «+»

2,93

высокая

3,43

 высокая

5. ЗАО “Дружба”

4,36

малая- «+»

1,78

очень высокая

1,96

высокая

6. ЗАО “Знамя”

5,43

малая- «+»

2,17

высокая

2,52

высокая

7. ЗАО “Дружба”

3,09

малая- «+»

2,49

высокая

2,21

высокая

8. СПК Племзавод «Овцевод»

5,50

малая- «+»

4,16

малая- «+»

2,78

возможная

9. ФГУП ПКЗ «Омский»

3,42

малая- «+»

6,21

малая- «+»

4,96

очень низкая- «+»

10. ООО «Еремеевское»

3,31

малая- «+»

22,98

малая- «+»

16,01

очень низкая- «+»

11. СПК «Еремеевский»

2,64

серая зона

1,44

очень высокая

1,60

очень высокая

12. СПК «Колос»

6,24

малая- «+»

7,20

малая- «+»

6,38

очень низкая- «+»

13. СПК «Большевик»

5,67

малая- «+»

1,94

высокая

2,54

высокая

14. ООО «Рассвет»

2,48

серая зона

2,57

высокая

1,80

очень высокая

15. СПК «Большевик»

3,00

малая- «+»

10,95

малая- « +»

8,09

очень низкая- «+»

16. КЛХ «Родная долина»

4,86

малая- «+»

4,09

малая- «+»

3,61

очень низкая- «+»

17. СПК «Сибиряк»

4,56

малая- «+»

5,00

малая- «+»

4,30

очень низкая- «+»

18. ЗАО «Новоцарицыно»

5,30

малая- «+»

2,26

высокая

2,34

высокая

19. ЗАО «Ново-Ушаковское»

4,10

малая- «+»

1,45

очень высокая

0,89

очень высокая

20. СПК «Поиск»

5,47

малая- «+»

2,12

высокая

1,29

очень высокая

21. ЗАО «Богодуховское»

4,71

малая- «+»

6,32

малая- «+»

5,32

очень низкая- «+»

22. ЗАО «Степное»

5,05

малая- «+»

4,98

малая — «+»

4,35

очень низкая- «+»

23. ЗАО «Нива»

5,21

малая- «+»

2,96

малая- «+»

3,01

очень низкая- «+»

24. ЗАО «Татарское»

5,17

малая- «+»

2,45

высокая

2,19

высокая

25. ОАО «Целинное»

7,85

малая- «+»

3,02

малая- «+»

3,09

очень низкая- «+»

26. СПК «Ачаирский-1»

1,98

серая зона

15,69

малая- «+»

11,19

очень низкая- «+»

27. ОАО «Омский бекон»

4,39

малая- «+»

1,46

высокая

2,00

высокая

28. СПК «Сибирь»

3,88

малая- «+»

0,76

очень высокая

1,06

очень высокая

29. ООО «Рассвет»

6,56

малая- «+»

3,69

малая- «+»

2,44

высокая

30. ЗАО «Литковское»

6,36

малая- «+»

5,84

малая- «+»

3,83

очень низкая- «+»

31. ЗАО «Звонаревокутское»

6,18

малая- «+»

5,62

малая- «+»

4,91

очень низкая- «+»

32.СХА (колхоз) «Нива»

3,67

малая- «+»

3,04

малая- «+»

2,37

высокая

33. ООО «Александровское»

6,02

малая- «+»

3,31

малая — «+»

1,95

высокая

 

Расчеты вероятности банкротства по критерию Альтмана показали достоверность положительного финансового состояния сельхозпредприятий на 91%, при этом 9% (рис. 1.) организаций находятся в «серой зоне». По итогам хозяйственной деятельности сельхозпредприятий Омской области за 2004—2005 гг., изданных в сборнике Омского облкомстата, данная группа предприятий подтверждает свое устойчивое финансовое положение. Использование моделей Альтмана (1968, 1983) для определения вероятности банкротства тех же сельскохозяйственных организаций дает противоречивые результаты (рис. 2, 3). К примеру, 58% лучших хозяйств области отнесены моделью 1983 г. в группу с высокой и очень высокой вероятностью банкротства; тогда как модель 1968 г. оказалась более точной: 45%.

Рис. 1. Степень вероятности банкротства по критерию Альтмана

Рис. 2. Степень вероятности банкротства по методике Альтмана (1983)

Рис. 3. Степень вероятности банкротства по методике Альтмана (1968)

Таким образом, наличие многочисленных подходов к оценке банкротства подтверждает целесообразность развития данной темы. После внесения корректив в предложенную Альтманом методологию большинство финансовых экспертов согласилось, что его прогнозы отличаются высокой работоспособностью и статистической надежностью, т.е. с помощью этих моделей можно максимально точно определять предприятия, у которых велика вероятность финансовых «сбоев». Чем ближе банкротство, тем более очевидны результаты, которые показывает как модель Альтмана, так и любой другой метод. Преимуществом методов, подобных модели Альтмана, является высокая вероятность, с которой предсказывается банкротство приблизительно за два года до фактического объявления конкурса, недостатком — уменьшение статистической надежности результатов при составлении прогнозов относительно отдаленного будущего.

Также по этой теме: