Обзор исследований в области прогнозирования банкротства

Overview of Bankruptcy Forecast Research



М.А. Скачинский
M.A. Skachinskiy
vektorrus78@gmail.com
магистрант второго года обучения, магистерская программа «Экономика и инжиниринг на предприятии», Санкт-Петербургский государственный экономический университет
candidate for a master's degree in Economics and Business Engineering, St. Petersburg State University of Economics
Санкт-Петербург
St. Petersburg

Ключевые слова:

  • банкротство юридических лиц
  • модели оценки банкротства
  • прогнозирование банкротства
  • банкрот
  • методы прогнозирования
  • Keywords:

  • bankruptcy of legal entities
  • bankruptcy assessment models
  • bankruptcy forecasting
  • bankrupt
  • forecasting methods
  • Прошедший финансовый кризис показал, что непрерывность деятельности организации и ее стабильность требуют систематического анализа финансового состояния. В настоящее время данная область анализа применяется в ненадлежащем виде или вовсе отсутствует, ввиду чего в стране сформировалась тенденция роста количества банкротств. Рост банкротства оказывает негативное влияние как на экономику, так и на социальную сферу жизни. Ослабление экономики происходит в виде снижения конкуренции, потери части ВВП, снижения отчислений в бюджет и т.д. В статье анализируется проблема отсутствия рекомендованных моделей и методов оценки вероятности банкротства, применимых для российских предприятий на фоне тенденции роста количества компаний-банкротов. Проводится анализ соответствующих исследований и их сравнение.

    The last financial crisis has shown that organization continuity and its stability require a regular analysis of financial condition. Currently, this type of analysis is not carried out properly if at all, which results in a growing number of bankruptcies. Bankruptcy growth has a negative impact on both the economy and social sphere. The economic decline can be seen indecreasing competition, the loss of GDP share, lower assessments to the budget, etc. We analyze the problem of the lack of recommended models and methods to predict the probability of bankruptcy of Russian companies taking into account the growing amount of bankrupt companies. We analyze and compare studies concerning the problem in question.

    Обзор статьи

    Полноценные научные труды в области прогнозирования банкротства стали выходить в свет во второй половине 20-го века. Ниже представлены наиболее значимые вехи в развитии количественной теории прогнозирования банкротства и авторы соответствующих работ.
    Так, одна из первых научных работ по данной теме появилась в 1966 г. В. Бивер разработал анализ вероятности банкротства, основанный на финансовых коэффициентах. Он ввел в научный оборот так называемый одномерный дискриминантный анализ. Пожалуй, более известная работа принадлежит Э. Альтману, который в 1968 г. создал первую многофакторную линейную модель на базе множественного дискриминантного анализа (далее – МДА). Дискриминантный анализ представляет собой набор методов статистического анализа для решения задач распознавания образов, который используется для принятия решения о том, какие переменные разделяют (т.е. «дискриминируют») возникающие наборы данных (так называемые «группы»). С помощью корреляционного анализа Альтману удалось вывести линейную комбинацию пяти переменных, выраженных финансовыми коэффициентами, известную также как Z-счет (Z-score). Альтману принадлежит еще несколько моделей (двух-, четыре-, семифакторная). Метод МДА, в последствии развитый самим Альтманом, послужил многим другим экономистам основой для дальнейшего совершенствования теории прогнозирования.
    Несмотря на широкую популярность, которую благодаря Альтману приобрел МДА, ему присущ ряд недостатков, например, сомнительная предпосылка о нормальности распределения значений наблюдений и некоторые другие. Поэтому со временем спрос на использование этого метода стал падать, и на первый план вышло логит- и пробит-моделирование. Его расцвет пришелся на 1980-е гг. Так, логит-анализ был впервые применен для прогнозирования банкротства Дж. Олсоном, пробит-анализ – М. Змиевским. Проверка моделей Олсона и Змиевского на чувствительность по некоторым критериям выявила достаточную устойчивость логит- и пробит-модели при анализе фирм из разных отраслей и убывающую точность при увеличении горизонта прогнозирования.
    Помимо МДА, логит- и пробит-моделирования существует множество других подходов прогнозирования вероятности банкротства, которые получают особенно широкое распространение в последние десятилетия. Особого упоминания заслуживает метод нейронных сетей, который представляет собой математический метод распознавания образов, основанный на взаимодействии простых процессоров (нейтронов) и на обучаемости системы. В 1996 году Б. Бак, Т. Лайтинен, К. Сере и М. ван Везель в своем исследовании сравнили точность МДА, логит-модели и метода нейронных сетей и подсчитали, что последний позволяет достичь наиболее низкой вероятности неверной классификации фирмы, что подтверждает качество метода.
    Помимо упомянутых выше методов, применяемых для создания прогнозов несостоятельности компаний, существует много других, среди них, например, анализ среды функционирования и модель случайного леса. Последняя разработана Лео Брейманом, является сегодня актуальной для решения задач классификации, регрессии и кластеризации и представляет интерес с точки зрения применения в прогнозировании вероятности банкротства.

    Список использованной литературы

    1. Кочугуева М.Н., Киселева Н.Н., Антипов С.М. Анализ внешних и внутрифирменных факторов банкротства на примере российских компаний (часть 1) // Вестник СамГУ. 2013. № 10(111). С. 41–46.
    2. Кочугуева М.Н., Киселева Н.Н., Антипов С.М. Анализ внешних и внутрифирменных факторов банкротства на примере российских компаний (часть 2) // Вестник СамГУ. 2014. № 2(113). С. 37–50.
    3. Altman E.I. Financial ratios, discriminant analysis, and the prediction of corporate bankruptcy // The Journal of Finance. 1968. № 23(4). Р. 589–609.
    4. Back B., Laitinen T., Sere K., van Wezel M. Choosing bankruptcy predictors using discriminant analysis, logit analysis, and genetic algorithms // Turku Centre for Computer Science, Technical Report. 1996. № 40.
    5. Beaver W.H. Financial ratios as predictors of failure // Journal of Accounting Research.1966. № 4. Р. 71–111.
    6. Breiman Leo. Random Forest // Machine Learning.2001. № 45 (1). Р. 5–32.
    7. Makeeva E., Neretina E. Prediction of Bankruptcy in a Construction Industry of Russian Federation // Journal of Modern Accounting and Auditing. 2013. February. Vol. 9. № 2. Р. 256–271.
    8. Ohlson J.A. Financial ratios and the probabilistic prediction of bankruptcy // Journal of Accounting Research.1980. № 18(1). Р. 109–131.
    9. Zmijewski M.E. Methodological issues related to the estimation of financial distress prediction models // Journal of Accounting Research. 1984. № 22. Р. 59–82.

    РФ, Ленинградская область, г. Гатчина, ул. Рощинская, д. 5 к.2