Модель прогнозирования финансового состояния предприятий агропромышленного комплекса



Опубликовано в журнале "Управленческий учет" №6 год - 2006




В условиях формирования новой системы управления рыночной экономикой проблема несостоятельности существенно затронула агропромышленные предприятия, которые составляют исторически приоритетную отрасль РФ и являются наиболее уязвимыми в настоящее время. Особое значение при этом приобретают вопросы финансового и статистического анализа сельскохозяйственных организаций.

Прогнозирование финансового состояния служит залогом выживания и основой прочного положения агропромышленных предприятий, в связи с чем его оценка относится к числу наиболее важных экономических проблем в системе рыночных отношений, позволяющих внешним и внутренним субъектам анализа определить финансовые возможности организации в краткосрочном плане и на длительную перспективу.

Как отмечают многие российские авторы, многочисленные попытки применения иностранных моделей прогнозирования банкротства в отечественных условиях не принесли достаточно точных результатов. В связи с этим были предложены различные способы адаптации «импортных» моделей к российским хозяйственным условиям.

Для анализа прогнозной способности и оценки адекватности российских и зарубежных подходов к сельскохозяйственным предприятиям Орловского региона приведена их апробация в аграрных экономических условиях.

Для решения поставленной цели была сформирована база данных о результатах деятельности 25 сельскохозяйственных предприятий Центрального региона. В качестве источника финансовой информации о результатах деятельности анализируемых предприятий использована годовая бухгалтерская отчетность за 2000—2004 гг.

На рисунке 1 представлена структура рассматриваемых предприятий России в зависимости от величины полученной ими выручки от реализации товаров, работ, услуг за год.

Рис. 1. Структура анализируемых сельхозпредприятий Центрального региона России по величине годовой выручки от реализации товаров, работ, услуг за 2004 г.

Анализ финансового положения рассматриваемых предприятий АПК с использованием показателей, которые наиболее часто используются для оценки степени платежеспособности, в том числе и сельхозпредприятий, представлен в таблице 1.

Таблица 1

Результаты анализа финансового состояния предприятий АПК

Показатели

Рекомендуемые в экономической литературе ограничения

Количество предприятий, показатели которых удовлетворяют представленным ограничениям

 

 

Количество

Доли (в%)

Коэффициент абсолютной ликвидности

>=0,1

7

28

Коэффициент текущей ликвидности

>=2

6

24

Коэффициент соотношения кредиторской и дебиторской задолженности

<=1

4

16

Коэффициент обеспеченности собственными оборотными средствами

>=0,1

10

40

Коэффициент автономии

>=0,4

14

56

Рентабельность активов

>=0

18

72

Рентабельность продаж

>=0

19

76

 

В целом можно отметить, что финансовая деятельность большинства анализируемых предприятий АПК характеризуется неудовлетворительной структурой баланса (нарушено соотношение между ликвидными активами и срочными обязательствами, недостаточна величина собственного капитала) при положительной рентабельности.

Однако представленные результаты указывают на то, что рекомендуемые ограничения некоторых показателей не всегда достоверно отражают реальную финансовую ситуацию предприятий АПК ввиду отсутствия дифференцированной шкалы критериев в зависимости от фактора сезонности и уровня развития аграрной экономики. Это определило необходимость разработки системы критериев, позволяющей адекватно оценивать степень платежеспособности предприятий с учетом специфики экономического развития АПК.

Для этого был проведен анализ возможности применения существующих российских и зарубежных подходов диагностики кризисных процессов для определения вероятности банкротства сельхозпредприятий.

В результате анализа существующих зарубежных (рис. 2) и российских (рис. 3) моделей прогнозирования финансового состояния на предприятиях агропромышленного комплекса Центрального региона России было выявлено, что ни одна зарубежная модель прогнозирования неплатежеспособности не применима в российских условиях в связи с особенностями сложившейся рыночной экономики, финансовой и инвестиционной политики, порядка ведения бухгалтерского учета, составления отчетности и налогообложения.

Рис. 2. Результаты применения западных подходов для оценки вероятности банкротства анализируемых сельхозпредприятий

Рис. 3. Результаты применения отечественных подходов для оценки вероятности банкротства анализируемых сельхозпредприятий

При этом российские системы критериев диагностики банкротства являются несовершенными и не учитывают отраслевые особенности предприятия. По этим методикам можно объявить банкротом даже высокорентабельное предприятие, если оно использует в обороте много заемных средств.

В целом ни одна из анализируемых моделей не обеспечивает высокую степень прогнозирования процесса банкротства, что обусловило необходимость разработки модели с высокой прогнозной способностью, позволяющей учитывать особенности экономического развития агропромышленных предприятий.

При определении финансовых показателей, необходимых для разработки модели прогнозирования банкротства, соответствующих специфике агропромышленной отрасли, нами был использован метод экспертного опроса, так как данный подход позволяет выявить критерии платежеспособности предприятий, имеющие высокую практическую ценность. Экспертный опрос проведен посредством выборочного метода статистического исследования. Объем выборки составил 25 человек — специалистов в области управления финансами, бухгалтерского и управленческого учета. Достаточность объема выборки определена с помощью статистических инструментов:

(1)

 

где

n

оптимальная численность выборки;

предельная ошибка выборки;

t

коэффициент доверия, определяющий величину доверительной вероятности гарантирования результата выборочного обследования;

 — дисперсия выборки (средний квадрат отклонений каждого элемента выборки от среднего значения выборки).

Опрос экспертов был проведен с использованием разработанной нами анкеты, в которой им было предложено выбрать из 36 финансовых коэффициентов те, которые, на их взгляд, позволяют судить о высокой вероятности банкротства.

По результатам обобщения и анализа полученных в результате опроса данных нами было выделено четыре коэффициента, которые, по мнению большинства опрошенных экспертов, являются индикаторами кризисного состояния предприятий агропромышленного комплекса (табл. 2).

Таблица 2

Финансовые показатели неплатежеспособных сельхозпредприятий

Показатели

Среднее значение показателей

Коэффициент финансового рычага

0,01

Коэффициент текущей ликвидности

0,46

Коэффициент обеспеченности собственными оборотными средствами

-0,72

Коэффициент автономии

0,29

 

В результате проведения экспертного опроса были установлены нормативные значения данных коэффициентов для агропромышленных предприятий, отличные от ограничений, рекомендуемых в экономической литературе (табл. 3).

В процессе математического моделирования экономических явлений и объектов необходимо помнить о существующих колебательных процессах в жизненном цикле любого предприятия. На предприятиях агропромышленного комплекса наиболее сильными являются сезонные колебания.

Таблица 3

Критические значения показателей вероятности банкротства

Показатели

Минимальное ограничение по оценке экспертов

Ограничения, рекомендуемые в экономической литературе

Коэффициент финансового рычага

>=0,05

>=0,5

Коэффициент текущей ликвидности

>=0,8

>=2

Коэффициент обеспеченности собственными оборотными средствами

>=0

>=0,1

Коэффициент автономии

>=0,25

>=0,5

В результате проведенного исследования рассмотрено влияние индексов сезонности на выручку исследуемых предприятий агропромышленного комплекса, динамика изменения которой представлена на рисунке 4. Для этого использовался индекс сезонности, рассчитанный по формуле

(2)

 

Рис. 4. Выручка исследованных предприятий агропромышленного комплекса поквартально за 2000—2004 гг.

Однако, учитывая то, что на сезонные колебания могут накладываться случайные отклонения, для их устранения было произведено усреднение индивидуальных индексов, одноименных внутригодовых периодов анализируемого ряда динамики по формуле

(3)

 

В результате проведенных расчетов, представленных в таблице 4, были получены средние индексы сезонности (табл. 5). Однако исчисленная таким образом средняя сезонная волна не всегда соответствует действительности, и не всегда среднеквартальная величина за весь период равна ста. Поэтому для получения выправленной средней сезонной волны применялся пересчет методом коэффициентов. Пересчитанные данные по исследуемым предприятиям представлены в таблице 5.

Таблица 4

Определение параметров уравнений

 

Год, квартал

ti

ti2

ti4

yi

ti x yi

ti2 x yi

 

Is

1

2

3

4

5

6

7

8

9

2000

1

–20

400

160 000

54 680

–1093 600

21 872 000

78 554,35

69,61%

2

–18

324

104 976

81 120

–1460 160

26 282 880

78 295,43

103,61%

3

–16

256

65 536

114 460

–1831 360

29 301 760

78 036,51

146,67%

4

–14

196

38 416

91 100

–1275 400

17 855 600

77 777,59

117,13%

2001

1

–12

144

20 736

33 728

–404 736

4 856 832

77 518,67

43,51%

2

–10

100

10 000

52 845

–528 450

5 284 500

77 259,75

68,40%

3

–8

64

4096

154 630

–1237 040

9 896 320

77 000,83

200,82%

4

–6

36

1296

74 642

–447 852

2 687 112

76 741,91

97,26%

2002

1

–4

16

256

45 630

–182 520

730 080

76 482,99

59,66%

2

–2

4

16

38 260

–76 520

153 040

76 224,07

50,19%

3

2

4

16

102 358

204 716

409 432

75 706,23

135,20%

4

4

16

256

93 080

372 320

1 489 280

75 447,31

123,37%

2003

1

6

36

1296

48 362

290 172

1 741 032

75 188,39

64,32%

2

8

64

4096

40 516

324 128

2 593 024

74 929,47

54,07%

3

10

100

10 000

138 460

1 384 600

13 846 000

74 670,55

185,43%

4

12

144

20 736

74 677

896 124

10 753 488

74 411,63

100,36%

 2004

1

14

196

38 416

38 540

539 560

7 553 840

74 152,71

51,97%

2

16

256

65 536

43 085

689 360

11 029 760

73 893,79

58,31%

3

18

324

104 976

113 220

2 037 960

36 683 280

73 634,87

153,76%

4

20

400

160 000

85 910

1 718 200

34 364 000

73 375,95

117,08%

Сумма

0

3080

810 656

1 519 303

–80 498

239 383 260

75 965,15

 

А0

 

 

 

75 965,15

 

 

 

 

А1

 

 

 

–129,46

 

 

 

 

Таблица 5

Расчет средних поквартальных показателей сезонной волны по выручке исследуемых предприятий агропромышленного комплекса

Кварталы

Невыпрямленная средняя сезонная

Выпрямленная средняя сезонная

1

57,81%

57,79%

2

66,92%

66,89%

3

164,38%

164,31%

4

111,04%

110,99%

Итого

400,15%

400

В среднем

100,04%

100

 

Проведенный анализ показал, что данные финансовых показателей большей группы объектов имеют прямую сезонную зависимость. Таким образом, данное исследование позволяет утверждать, что неотъемлемым элементом в процессе прогнозирования кризисной ситуации агропромышленных предприятий является использование значения сезонной составляющей, которое позволяет получать более достоверные показатели, характеризующие деятельность исследуемого предприятия не только по данным годовой, но и промежуточной бухгалтерской отчетности.

В основу разработанной модели прогнозирования финансового состояния предприятий агропромышленного комплекса положен метод корреляционно-регрессивного анализа, позволяющий не только определять зависимость вероятности банкротства организации от показателей ее финансово-хозяйственной деятельности в математической форме, но и количественно оценивать тесноту полученной связи.

При разработке математической модели в качестве функциональных признаков прогноза несостоятельности были использованы 4 финансовых показателя, определенных в ходе экспертного опроса и рассчитанных для предприятий агропромышленного комплекса Центрального региона России. Совокупность данных показателей определяет результативный признак модели – текущее состояние предприятия — с точки зрения диагностики кризиса и прогноза банкротства.

При построении модели для более адекватного отражения происходящих экономических процессов были учтены следующие требования:
— однородность совокупности исследуемых исходных данных, которые могут быть описаны непрерывными математическими функциями;
— возможность описания моделируемого явления одним или несколькими уравнениями причинно-следственных связей;
— обеспечение количественного выражения всех факторных признаков;
— обеспечение достаточного объема исследуемой выборочной совокупности;
— описание изучаемого явления линейной или приводимой к линейной форме зависимостью;
— отсутствие количественных ограничений на параметры модели связи;
— постоянство территориальной и временной структуры изучаемой совокупности.

Отметим, что исходные данные, использованные в процессе моделирования, полностью соответствуют перечисленным критериям, так как представляют собой однородную совокупность показателей финансовой деятельности предприятий агропромышленного комплекса Центрального региона России за период с 2000 по 2004 г., выраженных количественно.

Процесс построения модели прогнозирования вероятности банкротства сельхозпредприятий с использованием метода корреляционно-регрессивного анализа включает в себя следующие этапы.
1. Формирование выборки предприятий аналогичного типа, содержащей как обанкротившиеся предприятия, так и избежавшие банкротства.
2. Определение состава показателей, характеризующих финансовое состояние предприятия.
3. Установление нормативных значений коэффициентов, которые характеризуют финансовое состояние предприятий агропромышленного комплекса.
4. Формализованное представление исходных данных в виде некоторых формальных конструкций.
5. Построение уравнения множественной регрессии.
6. Определение статистических оценок параметров распределения уравнения множественной регрессии.
7. Оценка практической значимости синтезированной модели.

В результате произведенных статистических расчетов и вычислений получена формула, определяющая зависимость вероятности банкротства сельхозпредприятий от показателей их финансовой деятельности и индекса сезонности (модель N):

N = 0,6282 + 0,1Кфр + 0,38Ктл + 0,28Косос + 0,24Ка + IS,           (4)

где IS – отличие индекса сезонности в текущем периоде от 100%.

Соответственно, оптимальное значение IS будет равно 0. 

Значение IS  приводит показатель N к сопоставимому значению, необходимому для более точного анализа и прогнозирования финансово-хозяйственной деятельности предприятия в будущем.

Оценка практической значимости синтезированной модели N произведена посредством метода корреляционного анализа, который позволил определить тесноту связи между факторными признаками и получаемой оценкой вероятности банкротства анализируемых предприятий агропромышленного комплекса.

В результате статистических преобразований определяется совокупный индекс множественной корреляции R, который и позволяет оценить тесноту связи в полученной зависимости:

(5)

 

Оценка практической значимости синтезированных в результате регрессионного анализа моделей осуществляется при использовании шкалы Чеддока.

Определение вероятности банкротства исследуемых предприятий агропромышленного комплекса Центрального региона России на основании разработанной модели прогнозирования кризисной ситуации представлено в таблице 6.

Таблица 6

Определение вероятности банкротства исследуемых предприятий агропромышленного комплекса Центрального региона России на основании разработанной модели прогнозирования кризисной ситуации

Предприятие

Расчетный показатель N

Вероятность банкротства

1

0,850839827

слабая

2

0,867197494

слабая

3

0,915246861

слабая

4

0,753990555

высокая

5

0,815428669

слабая

6

4,093507356

низкая

7

0,611163292

высокая

8

0,625913469

высокая

9

0,728012125

высокая

10

0,659925296

высокая

11

1,142285283

низкая

12

0,977093122

слабая

13

1,213953128

низкая

14

0,690817692

высокая

15

0,782779286

высокая

16

0,750098897

высокая

17

0,699231371

высокая

18

-191,1993166

высокая

19

0,612262818

высокая

20

0,493965147

высокая

21

0,427525161

высокая

22

0,1762411

высокая

23

0,040205437

высокая

24

-0,181823333

высокая

25

-0,28812

высокая

 

Применение разработанной модели для анализа деятельности рассматриваемых предприятий определило высокую вероятность банкротства для 17 организаций. Анализ соответствия полученных результатов с мнениями экспертов выявил 15 случаев, т. е. 92% совпадения оценок, что говорит о ее высокой значимости. Таким образом, предлагаемая модель N прогнозирования банкротства сельскохозяйственных организаций позволяет наиболее точно предсказывать наступление кризисных явлений агропромышленных предприятий в нестабильных рыночных условиях.

Предлагаемая модель N имеет следующие основные достоинства:
— данная модель позволяет судить о возможных финансовых затруднениях и вероятности банкротства в будущем;
— модель имеет высокую точность прогнозирования банкротства предприятий агропромышленного комплекса;
— она учитывает фактор сезонности, который оказывает наибольшее влияние на финансово-хозяйственную деятельность сельскохозяйственных предприятий;
— в данной модели используется возможность предсказания в будущем целесообразности и оптимальности привлечения заемных ресурсов предприятием на конкретном этапе деятельности, установления степени финансового риска будущего инвестирования, что является необходимым критерием в сложившихся аграрных условиях и сильной зависимости российских сельхозпредприятий от инвестиционных ресурсов;
— значения весовых коэффициентов и пороговых значений комплексных и частных показателей модели N, рассчитанные на основе российских аналитических данных, которые соответствуют современной специфике экономической ситуации и организации агробизнеса в России.

При наличии признаков несостоятельности сельскохозяйственных организаций, выявленных по модели прогнозирования банкротства N, необходимо применять меры по их финансовому оздоровлению.

Для выявления наиболее действенных средств улучшения финансового положения предприятий агропромышленного комплекса необходимо использовать меры по предотвращению наступления банкротства, к которым относятся:
1) государственная поддержка предприятий агропромышленного комплекса;
2) финансовое оздоровление предприятия путем реструктуризации долгов сельхозпредприятий;
3) получение кредитов и других видов финансовой помощи;
4) поиск внутренних резервов увеличения прибыльности производства и достижения безубыточности финансово-хозяйственной деятельности сельскохозяйственных предприятий;
5) использование маркетингового анализа по изучению спроса и предложения, рынков сбыта и формирование на этой основе оптимального ассортимента и структуры производства продукции;
6) повышение уровня квалификации управленческого персонала и работников сельскохозяйственных предприятий;
7) заключение договоров лизинга с целью обновления материально-технической базы сельхозпредприятий, который не требует полной единовременной оплаты арендуемого имущества и служит одним из видов инвестирования;
8) использование договора факторинга, т. е. уступка банку права требования дебиторской задолженности;
9) продажа имущественного комплекса неплатежеспособного сельскохозяйственного предприятия  новому юридическому лицу, созданному с привлечением инвестора;
10) создание интегрированных структур АПК, реформирование  неплатежеспособных сельскохозяйственных предприятий;
11) передача в аренду с дальнейшим выкупом основных средств производства и осуществление хозяйственной деятельности в новой структуре с привлечением инвестора;
12) реорганизация сельскохозяйственных предприятий;
13) другие мероприятия.

В настоящее время финансовое оздоровление предприятий агропромышленного комплекса России осуществляется на основании федерального закона «О финансовом оздоровлении сельскохозяйственных товаропроизводителей» от 9 июля 2002 г. №83-ФЗ. Данный закон устанавливает правовые основы и условия реструктуризации долгов сельскохозяйственных товаропроизводителей в целях улучшения их финансового состояния до применения процедур банкротства, предусмотренных федеральным законом «О несостоятельности (банкротстве)». С целью реализации данного закона было принято Постановление Правительства от 30 января 2003 г. № 52 «О реализации Федерального закона «О финансовом оздоровлении сельскохозяйственных товаропроизводителей», предусматривающее:
— ­методику расчета показателей финансового состояния сельскохозяйственных товаропроизводителей;
— базовые условия реструктуризации долгов сельскохозяйственных товаропроизводителей;
— требования к участнику программы финансового оздоровления сельскохозяйственных товаропроизводителей;
— перечень документов, прилагаемых к заявлению сельскохозяйственного товаропроизводителя о включении его в состав участников программы финансового оздоровления сельскохозяйственных товаропроизводителей;
— типовое соглашение о реструктуризации долгов;
— ­типовое соглашение о списании сумм пеней и штрафов.

Однако реструктуризация задолженности сельских товаропроизводителей, проводимая в соответствии с указанным законом, проводится очень сложно и неэффективно. По оценке отдела финансового оздоровления и банкротства только 20 предприятий, находящихся в программе реструктуризации задолженности по налогам и сборам, способны исполнять все условия в указанные сроки.

Для эффективного предотвращения кризиса предприятий АПК наряду с реструктуризацией долгов необходимо использовать в комплексе и другие мероприятия по финансовому оздоровлению. При этом на каждом этапе применения оздоровительной процедуры необходимо прогнозировать будущее состояние предприятия  и влияние на него применяемых мероприятий, что возможно с использованием предлагаемой модели прогнозирования банкротства N.

В целом можно отметить, что полученная модель может быть использована как при анализе финансового состояния действующего предприятия агропромышленного комплекса России в целях выявления и предупреждения развития кризиса, так и при оценке результатов мероприятий по оздоровлению организации в ходе реорганизационных процедур банкротства.

Приложение 1

Таблица

Сопоставимость результатов оценки неплатежеспособных сельхозпредприятий при использовании различных подходов

Модели

«Z-счет» Э. Альтмана

Семифакторная модель Э. Альтмана

Коэффициент У. Бивера

Модель Коннана-Гольдера

Модель Фулмера

Модель Спрингейта

Метод Credit-Men

Формула Z-счет Романа Лиса

Четырехфакторная прогнозная модель Таффлера и Тишоу

Метод оценки финансового состояния Дж. Ван Хорна

Показатель Аргенти

Модель Р.С. Сайфуллина и Г.Г. Кадыкова

Методические указания Федеральной службы РФ по финансовому оздоровлению и банкротству

Методика расчета, утвержденная Постановлением правительства

Шестифакторная математическая модель О.П. Зайцевой

Модель ученых Иркутской государственной экономической академии

Модель Г.Чонаевой

Рейтинговая оценка кредитоспособности ссудозаемщика

Методика оценки кредитоспособности предприятия Сбербанком РФ

Модель А. Колышкина

Модель А. Бежовца

«Z-счет» Э. Альтмана

11

6

6

5

7

10

7

6

2

5

6

10

6

5

4

9

9

3

8

3

11

Э. Альтмана

6

6

4

2

4

6

4

5

2

3

3

6

5

3

3

6

5

4

6

3

6

Коэффициент У. Бивера

6

4

8

4

5

3

1

5

2

4

2

7

5

4

2

8

6

5

8

2

7

Модель Коннана-Гольдера

5

2

4

5

4

5

2

1

1

3

3

3

4

2

3

4

3

2

3

2

3

Модель Фулмера

7

4

5

4

11

10

7

3

7

4

7

9

6

5

8

10

3

6

9

3

11

Модель Спрингейта

10

6

3

5

10

15

8

6

5

5

5

13

12

6

9

10

5

5

9

2

7

Метод Credit-Men

7

4

1

2

7

8

9

6

4

3

2

7

2

3

4

7

3

3

5

2

9

Формула Z-счет Романа Лиса

6

5

5

1

3

6

6

10

4

5

3

9

3

4

3

4

8

8

7

3

10

и Тишоу

2

2

2

1

7

5

4

4

7

3

2

4

5

3

2

5

3

5

6

2

4

Метод оценки финансового состояния Дж. Ван Хорна

5

3

4

3

4

5

3

5

3

7

3

3

5

2

5

5

4

4

4

3

3

Показатель Аргенти

6

3

2

3

7

5

2

3

2

3

7

5

5

4

3

6

4

4

5

3

6

и Г.Г. Кадыкова

10

6

7

3

9

13

7

9

4

3

5

15

11

5

5

4

10

8

11

3

14

Методические указания Федеральной службы РФ по финансовому оздоровлению и банкротству

6

5

5

4

6

12

2

3

5

5

5

11

13

3

7

12

6

9

11

2

4

Методика расчета утвержденная Постановлением правительства

5

3

4

2

5

6

3

4

3

2

4

5

3

9

3

7

3

7

7

2

8

Шестифакторная математическая модель О.П. Зайцевой

4

3

2

3

8

9

4

3

2

5

3

5

7

3

9

5

4

3

6

2

8

Модель ученых Иркутской государственной экономической академии

9

6

8

4

10

10

7

4

5

5

6

4

12

7

5

13

4

3

9

3

9

Модель Г. Чонаевой

9

5

6

3

3

5

3

8

3

4

4

10

6

3

4

4

11

7

6

2

11

Рейтинговая оценка кредитоспособности ссудозаемщика

3

4

5

2

6

5

3

8

5

4

4

8

9

7

3

3

7

10

8

3

6

 

Также по этой теме:


Список просмотренных товаров пуст
Список сравниваемых товаров пуст
Список избранного пуст
Ваша корзина пуста