Прогнозування обсягу виробництва. 12 страница

F₃ = 0,3 × D₂ + (1 – 0,3) × F₂ = 0,3×2,217 + 0,7 × 2,156.

Аналогічно розраховуються й інші прогнози (табл. 21).

Таблиця 21.

Приклад застосування експоненційного згладжування.

Місяць	Обсяг продажу, млн. грн.	Прогноз
Січень	2,156	2,156
Лютий	2,217	2,156 [(2,156 × 0,3)+ (0,7 × 2,156)]
Березень	2,181	2,174 [(2,217 × 0,3)+ (0,7 × 2,156)]
Квітень	2,316	2,176 [(2,181 × 0,3)+ (0,7 × 2,174)]
Травень	2,171	2,218 [(2,316 × 0,3)+ (0,7 × 2,176)]
Червень	2,204	2,201 [(2,171 × 0,3)+ (0,7 × 2,218)]
Липень	2,315	2,202 [(2,204 × 0,3)+ (0,7 × 2,201)]
Серпень	2,107	2,236 [(2,315 × 0,3)+ (0,7 × 2,202)]
Вересень	2,142	2,197 [(2,107 × 0,3)+ (0,7 × 2,236)]
Жовтень	2,197	2,181 [(2,142 × 0,3)+ (0,7 × 2,197)]
Листопад	2,164	2,186 [(2,197 × 0,3)+ (0,7 × 2,181)]
Грудень	2,151	2,179 [(2,164 × 0,3)+ (0,7 × 2,186)]
		2,171 [(2,151 × 0,3)+ (0,7 × 2,179)]

Методи рухомої середньої та експоненційного згладжування належать до прийомів трендового аналізу. Тренд – це тривала тенденція зміни економічних показників у часі. При розробці моделей прогнозування тренд є основною складовою прогнозованого часового ряду, на який накладаються інші складові.

Але існуючі методи екстраполяції не можуть дати достатньої точності прогнозу на 20 – 25 років, вони дають позитивні результати максимум на 5 – 7 років.

З метою дослідження загальної тенденції зміни рівнів динамічного ряду в часі, використовують аналітичне вирівнювання ряду динаміки. У цьому випадку фактичні рівні змінюються рівнями, визначеними на основі певної кривої, обраної на основі урахування загальної тенденції зміни явища в часі. При аналітичному вирівнюванні ряду динаміки змінюваний рівень явища розглядається як функція часу У_t = f(t), де У_t – рівні динамічного ряду, визначені за відповідним аналітичним рівнянням на момент часу t. Вибір форми кривої визначає результати екстраполяції тренда. Основою для вибору виду функцій (лінійна, гіперболічна, парабола другого порядку, кубічна парабола і т. п.) повинен слугувати змістовний аналіз сутності та розвитку явищ.

При виборі виду кривої для вирівнювання динамічного ряду використовують метод кінцевих різниць, який базується на урахуванні властивостей різних кривих. Обов'язковою умовою є рівність інтервалів між рівнями динамічного ряду.

У випадку, коли, наприклад, аналітичне вирівнювання ряду динаміки здійснюється по прямій (тобто аналітичне рівняння має вигляд Уt = b₀ + b₁ × t, де t – порядковий номер періодів чи моментів часу), параметри прямої b0 і b1 можна розрахувати за допомогою методу найменших квадратів. Він передбачає складання системи нормальних рівнянь, розглянутої у розділі 2.2 даного підручника.

В процесі проведення стратегічного аналізу також доцільно здійснювати прогнозування за допомогою регресійного (кореляційного) аналізу.

Регресійний аналіз – це математичний метод прогнозування. Одним з основних завдань такого аналізу є визначення впливу факторів на величину результативного показника (в абсолютному вимірі). Для вирішення цього завдання необхідно підібрати відповідний тип математичного рівняння, яке відображає характер досліджуваного зв'язку (прямолінійний чи криволінійний). Зміст регресійного аналізу полягає у дослідженні того, як зміна незалежних змінних впливає на залежну змінну. Один раз визначені взаємозв'язки вважаються усталеними (у вигляді рівняння регресії), а майбутні значення залежної змінної прогнозуються шляхом підстановки у рівняння певних значень незалежних змінних. Теоретичною лінією регресії називають ту лінію, навколо якої групуються точки кореляційного поля і яка вказує основний напрямок, основну тенденцію зв'язку. Теоретична лінія регресії повинна відображати зміну середніх величин результативної ознаки (у) по мірі зміни величини факторної ознаки (t) за умови повного взаємопогашення всіх інших – випадкових по відношенню до фактора t причин. Отже, ця лінія повинна бути проведена так, щоб сума відхилень точок поля кореляції від відповідних точок теоретичної лінії регресії дорівнювала нулю, а сума квадратів цих відхилень була б мінімальною величиною.

Важливим етапом регресійного проектування є визначення типу функції, за допомогою якої характеризується залежність між ознаками. За наявності прямої кореляційної залежності коефіцієнт регресії має позитивне значення, а при оберненій залежності значення коефіцієнта регресії від'ємне.

Коефіцієнт регресії показує, наскільки в середньому зміниться величина результативної ознаки (у) при зміні факторної ознаки (t) на одиницю. Наприклад, для розглянутого вище лінійного рівняння Уt = b₀ + b₁ × t, коефіцієнт регресії можна визначити за формулою:

де σy_t та σ_t - середні квадратичні відхилення відповідних значень результативної та факторної ознак.

Коефіцієнт регресії використовують для визначення коефіцієнта еластичності, який показує, на скільки % в середньому зміниться величина результативної ознаки (у) при зміні ознаки – фактора (t) на 1%.

Для визначення коефіцієнта еластичності використовують формулу:

Регресійний аналіз є відносно дорогим, але комплексним і надійним прийомом.

Найбільш складними в сукупності методів кількісного прогнозування є методи економетричного моделювання. Економетричні моделі прив'язуються до математичної моделі цілої економіки. Складні економетричні моделі базуються на численних рівняннях регресії, які кількісно описують взаємозв'язки між різними секторами економіки. Застосування таких методів потребує значної кількості коштів (враховуючи необхідність залучення відповідних спеціалістів), і тому на практиці вони мають обмежене використання. У той же час, нові складні економетричні моделі не можуть забезпечити стовідсоткову точність прогнозів навіть тоді, коли прогноз викликає повну довіру, оскільки ґрунтується на достовірних джерелах та здійснюється компетентними фахівцями. Справа у тому, що різні тенденції можуть мати взаємний вплив. Тому прогнози повинні ретельно перевірятись.

Спеціальні застереження, пов'язані з методами прогнозування зовнішнього середовища. Перед тим, як прогнозувати параметри зовнішнього середовища, необхідно знати спеціальні застереження, пов'язані з цим процесом. Кількісні прогнози - це не стовідсоткові передбачення, а лише припущення. Різниця між цими поняттями величезна. Коли історичні тенденції проекціюються (екстраполюються) у майбутнє, може статися розрив між минулим і майбутнім - тоді прогнози будуть неточними.

Для знаходження параметрів приблизних залежностей між двома або декількома прогнозованими величинами за їх емпіричними значеннями найчастіше застосовується метод найменших квадратів. Його зміст полягає у мінімізації суми квадратичних відхилень між величинами, що досліджуються, і відповідними оцінками (розрахунковими величинами), розрахованими згідно з підібраним рівнянням зв'язку.

Наприклад, рівняння зв'язку між обсягом реалізації та показником продуктивності праці і рівнем оплати праці можна формально записати:

Y=а₀+а₁´х₁+а₂´х₂

де Y - показник обсягу реалізації:

а_1, а₂- коефіцієнти, які показують вплив відповідно продуктивності праці і рівня оплати праці на зміну обсягу реалізації;

х_1,х₂ - значення продуктивності праці і рівня оплати праці відповідно;

а₀ - вільний член рівняння, який самостійного економічного значення не має.

Для знаходження конкретних значень коефіцієнтів а₀, а_1, а₂ будується система нормальних рівнянь. Загальні принципи побудови системи нормальних рівнянь розглянуто у розділі 2.2. даного посібника.

Інформаційний метод передбачає використання минулих оцінок ділової активності підприємства. У сучасних умовах зазначений метод прогнозування є найбільш поширеним та надійним. Його переваги – високий рівень об'єктивності та кількісний вимір процесів та явищ. Недоліки даного методу пов'язані із складністю урахування змін майбутньої ринкової ситуації.

4.3. Методи прогнозування банкрутства підприємства

У передбаченні можливого банкрутства крім підприємства заінтересовані його численні партнери: інвестори, позичальники, постачальники, страхові агенції тощо.

Існують різні підходи діагностики можливого банкрутства підприємства. Сукупність методів прогнозування банкрутства підприємства можна умовно розділити на формалізовані багатофакторні моделі діагностики банкрутства та неформалізовані моделі.

Багатофакторні формалізовані моделі діагностики банкрутства підприємств.

В економічно розвинених країнах моделі прогнозування банкрутства підприємства почали з'являтися починаючи з 50-х років XX ст. Причиною цього було посилення конкуренції після другої світової війни, коли багато підприємств скорочувало свою діяльність або банкрутувало. Спочатку банкрутство намагалися передбачати емпірично, на основі вже відомих фактів банкрутства компаній відповідної галузі. Звичайно, такий підхід призводив до численних помилок.

Перші моделі передбачення банкрутства, в яких було використано статистико-математичний апарат, були розроблені у 60-х роках. Серед них найвідомішими є Z-рахунок Альтмана (США), коефіцієнт Таффлера (Велика Британія), А-рахунок Арженті та деякі інші.

З часом методики передбачення банкрутства почали застосовувати для прогнозування ризиків в антикризовому управлінні, а потім і для діагностики стратегічних проблем. Кожна методика має свої позитивні та негативні характеристики, які потрібно знати при їх виборі для вирішення діагностичних завдань.

Для визначення кількісного оцінювання ризику банкрутства спеціалісти економічно розвинених країн використовують 2-факторну, 5-факторну і 7-факторну моделі. 2-факторпа модель була одержана в результаті дискримінантного аналізу фактичних даних про настання банкрутства західних фірм, мета якого — визначення межі між платоспроможністю і банкрутством. Точність прогнозу банкрутства підприємства на один рік за допомогою двофакторної моделі досить низька — 45—50 %.

Двофакторна модель прогнозування банкрутства підприємства має вигляд:

Z= -0,3877 - 1,0736- [(Х₁ –Х₂)/А] +0,0579(Х₃/А),

де Z — дискримінантна границя;

—0,3877; - 1,0736; 0,0579 — коефіцієнти, одержані дослідним шляхом;

Х₁— власні кошти підприємства;

Х₂— довготермінові зобов'язання підприємства;

Х₃— боргові зобов'язання підприємства:

А — підсумок активу балансу.

Оцінка одержаного значення Z проводиться таким чином. Якщо Z < 0. то найбільш імовірно, що фірма залишиться платоспроможною. Якщо Z > 0, то найбільш імовірно банкрутство цього підприємства.

Z - рахунок Альтмана був запропонований у 1968 р. відомим економістом Едвардом І. Альтманом. Z-рахунок було побудовано з допомогою мультиплікативного дискримінантного аналізу. Він дозволяє визначити, чи належить певне підприємство до потенційних банкрутів, чи ні.

Для побудови Z-рахунка Альтман дослідив фінансові показники 66 підприємств, половина яких збанкрутувала у період 1946 - 1965 рр., а половина продовжувала успішно працювати. Він спочатку визначив 22 коефіцієнта, які могли би бути корисні для прогнозування можливого банкрутства, а потім відібрав з них 5 найбільш важливих і побудував багатофакторне регресійне рівняння. Таким чином, Z - рахунок Альтмана являє собою функцію від декількох показників, що характеризують економічний потенціал підприємства і результати його роботи за минулий період. У загальному виді Z - рахунок має вигляд:

Z = 1,2 х₁ + 1,4 х₂ + 3,3 х₃ + 0,6 х₄ + 1,0 х₅

де х₁, - оборотний капітал / сукупні активи;

х₂ - нерозподілений прибуток / сукупні активи;

х₃- прибуток від операційної діяльності / сукупні активи;

х₄ - ринкова вартість акцій / зобов'язання;

х₅- виручка від реалізації / сукупні активи.

Результати численних розрахунків за моделлю Альтмана показали, що узагальнюючий показник Z може приймати значення у межах [-14, +22]. При цьому шкала значень Z (табл. 22.) дозволяє виділити чотири категорії підприємств за імовірністю банкрутства протягом наступного року.

Z-рахунок має декілька суттєвих недоліків, які не дозволяють беззастережно використовувати його для аналізу показників вітчизняних підприємств.

По-перше, Z-рахунок придатний лише для крупних компаній, акції яких котируються на біржі. Тільки для таких компаній можна отримати об'єктивну ринкову оцінку власного (акціонерного) капіталу.

По-друге, показники звітності, які використовуються для розрахунку, можуть виявитися недостовірними. Як правило, компанії, у яких погіршується фінансове становище, намагаються прикрасити свою звітність для запобігання відтоку капіталу.

Таблиця 22.

Прогнозування можливості банкрутства з допомогою Z-рахунка Альтмана

Z – рахунок	Імовірність банкрутства
1,8 і менше від 1,8 до 2,7 від 2,7 до 2,9 2,9 і вище	Дуже висока Висока Можлива Дуже низька

По-третє, методика Альтмана була розрахована на фінансові коефіцієнти, які визначалися за даними балансу, звіту про прибутки і збитки та приміток до річної звітності компаній, складених на основі GААР- загальних принципів (стандартів) бухгалтерського обліку, прийнятих у США та деяких інших країнах. У зв'язку з прийняттям в Україні П(С)БО (національних Положень (стандартів) бухгалтерського обліку) - потрібно шукати відповідні показники для того, щоб проводити аналіз фінансових коефіцієнтів вітчизняних підприємств.

По-четверте, в зарубіжних країнах та в Україні існують різні критерії та процедури визнання підприємств банкрутами. Відповідно, використання Z-рахунку Альтмана для вітчизняних підприємств обмежується прогнозуванням негативних тенденцій платоспроможності і фінансового стану, а прогнозування банкрутства через законодавчу неврегульованість цього процесу залишається проблематичним.

Щоправда, в 1983 році Альтман запропонував нову модель, яка дозволяла виправити перший з перерахованих вище недоліків. За новою формулою можна було визначати імовірність банкрутства компаній, акції яких не були представлені на біржі:

Z = 0,717 х₁ + 0,847х₂ + 3,107 х₃ + 0,42 х₄ + 0,995 х₅

де х₄ - облікова вартість акцій / зобов'язання.

Інші змінні ідентичні традиційній моделі.

Фірма характеризується доброю фінансовою ситуацією, якщо Z > 2,9; та поганою фінансовою ситуацією, якщо Z < 1,2. За умови 1,2 < Z < 2,9 фінансовий стан фірми вважається задовільним з середньою імовірністю банкрутства.

Пам'ятаючи про недоліки Z-рахунка, його все ж таки можна застосовувати для проведення перспективного фінансового аналізу, особливо для визначення фінансової стійкості підприємств і передбачення кризових явищ.

Починаючи з 1992 р., 5-факторна модель прогнозування банкрутства підприємства почала використовуватись і в Україні. Але проведений аналіз використання 2- і 5-факторних моделей показав обмеження їхнього використання через не адаптованість вагових коефіцієнтів та оцінки числового значення моделі Альтмана до умов України. З урахуванням зазначеного, Z-рахунок Альтмана все ж таки можна розрахувати для оцінки ймовірності банкрутства великих акціонерних товариств у промисловості України.

Величину фактора Х₄ у 5-факторній моделі не можна визначити через відсутність ринкової вартості акцій більшості підприємств України, а багато підприємств не є акціонерними товариствами. І, хоч можна приблизно визначити курсову вартість акцій, як відношення суми дивідендів до середнього рівня позичкового відсотка, але ця оцінка буде мати велику похибку, пов'язану з обмеженням кількості факторів, які впливають на курс акцій. Крім того, величини факторів для підприємств США і України значно відрізняються, майже в 5,5 рази.

Основні особливості української економіки: інформаційна закритість підприємств, що веде до невизначеності при інвестуванні; потужний податковий прес, який спонукає підприємців викривляти дійсні результати своєї діяльності; відсутність ринку нерухомості, що не дає запрацювати механізму іпотеки, а отже, призводить до того, що ризик кредитора стає вищим, ніж внутрішній підприємницький ризик. До того ж, в Україні інші рівні місткості основних засобів й енерго- місткості виробництва, інша продуктивність праці.

Зазначені особливості української дійсності не дають змоги механічно використовувати моделі американського дослідника Е. Альтмана.

Безперспективними є спроби вирішити завдання шляхом заміни числових значень коефіцієнтів моделі. Відмінності умов України і США настільки значні, що моделі прогнозування банкрутства підприємств в Україні мають базуватись на іншому групуванні показників. Це важливо підкреслити, тому що просте перенесення американської практики в умови українського ринку не забезпечує всебічної оцінки фінансового стану підприємств і призводить до значних відхилень прогнозу від реальності та дезорієнтації. Для оцінювання ймовірності банкрутства підприємств, які не котирують свої акції, рекомендується модель бальної оцінки, яка використовується в західній практиці:

Z=0,8 х₁+0,6 х₂+1,0 х₃+1,2 х₄ + 1,1 х₅ + 0,09 х₆,

де х₁ — короткотермінова дебіторська заборгованість, інші розрахунки та грошові кошти / короткотермінові зобов'язання;

х₂ — довготермінові зобов'язання / власний (акціонерний) капітал;

х₃ — прибуток до оподаткування / чистий дохід від реалізації продукції (нетто-дохід);

х₄—прибуток до оподаткування / власний (акціонерний) капітал;

х₅ — прибуток після оподаткування / власний (акціонерний) капітал;

х₆ — чистий дохід від реалізації продукції (нетто-дохід) / довготермінові зобов'язання плюс власний (акціонерний) капітал мінус необоротні активи;

Для цієї моделі критерії оцінювання мають такий розподіл балів:

1,30—1,80 — низький рівень ризику підприємства на ринку і стійкий фінансовий стан;

0,80—1,3 — помірно низький рівень ризику і знижена стійкість фінансового стану;

0,50—0,80 — помірно високий рівень ризику і нестійкий фінансовий стан;

0,01—0,50 — високий рівень ризику з загрозою банкрутства.

Крім індексу Альтмана у зарубіжних країнах використовують показник діагностики платоспроможності Конана і Гольдера:

Z = 0,16х₁ - 0,22 х₂ + 0,87 х₃ + 0,10 х₄ - 0,24 х_5,

де х₁ = Дебіторська заборгованість + Кошти / Активи

х₂ = Постійний капітал / Пасиви

х₃ = Фінансові витрати / Виручка від реалізації

х₄ = Витрати на персонал / Додана вартість

х₅ = Валовий прибуток / Залучений капітал

Наведені рівняння були отримані методами кореляційного аналізу статистичної вибірки даних щодо 95 малих і середніх промислових підприємств. Наведемо вірогідність затримки платежів для різних значень Z (табл. 23].

Таблиця 23.

Вірогідність затримки платежів для різних значень Z

Значення Z	+0,210	+0,480	+0,002	-0,026	-0,068	-0,087	-0,107	-0,131	-0,164
Вірогідність затримки платежів

У зарубіжній практиці фінансового аналізу відомі також тести на ймовірність банкрутства Лису ( Z_л ) та Таффлера ( Z_т ):

Z_л = 0,063 х₁+ 0,092 х₂ + 0,057 х₃ + 0,001 х₄,

де х₁ = Оборотні активи / сукупні активи

х₂ = Прибуток від реалізації / сукупні активи

х₃ = Нерозподілений прибуток / сукупні активи

х₄ = Власний капітал / залучений капітал

Граничне значення Z_л = 0,037.

Коефіцієнт Таффлера запропонований у 1977 році. Для його визначення з допомогою комп'ютерної техніки розраховують 80 співвідношень за даними збанкрутілих і платоспроможних компаній. Далі, використовуючи статистичний метод, відомий як багатомірний дискримінант, будують модель платоспроможності. При цьому визначаються часткові співвідношення, які найкращим чином виділяють дві групи компаній та їх коефіцієнти. Такий вибірковий підрахунок співвідношень є типовим для визначення деяких ключових вимірників діяльності компанії, таких як прибутковість, відповідність оборотного капіталу, фінансовий ризик та ліквідність. Поєднуючи ці показники в одній формулі, модель платоспроможності Таффлера відтворює картину фінансового становища компанії. Типова модель для аналізу компаній, які котируються на біржах, має такий вигляд:

Z_т= 0,03х₁+0,13х₂+0,18х₃+0,16х₄

де:

х₁ – прибуток від реалізації / короткострокові зобов’язання(52%);

х₂ – оборотні активи / зобов’язання(13%);

х₃ - короткострокові зобов’язання / загальна вартість активів(18%);

х₄ – виручка від реалізації / загальна вартість активів(16%),

ЯкщоZ_т > 0,3 — підприємство має добрі довгострокові перспективи, при Z_т< 0,2 — є ймовірність банкрутства.

У практиці фінансового аналізу підприємств в Україні показникZ_т, як і аналогічні показники, поки що не використовують.

Проценти у дужках вказують на пропорції моделі; х₁ вимірює прибутковість, х₂ - стан оборотного капіталу, х₃ - фінансовий ризик і х₄ - ліквідність.

Для посилення прогностичної здатності моделі Z-коефіцієнт може трансформуватися у так званий РАS-коефіцієнт - коефіцієнт, який дозволяє відстежувати діяльність компанії в часі.

РАS-коефіцієнт- це лише відносний рівень діяльності компанії, виведений на основі її Z-коефіцієнта за певний період і виражений у відсотках (від 1 до 100). Наприклад, РАS-коефіцієнт, що дорівнює 50, вказує на те, що діяльність компанії оцінюється задовільно, тоді як РАS-коефіцієнт зі значенням 5 свідчить про те, що лише 5% компаній знаходиться у гіршому становищі (незадовільна ситуація). Таким чином, підрахувавши Z-коефіцієнт для компанії, можна потім трансформувати абсолютний вимірник фінансового стану у відносний вимірник фінансової діяльності. Іншими словами, якщо Z--коефіцієнт може свідчити про те, що компанія знаходиться у стабільному чи ризикованому становищі, то РАS-коефіцієнт відображає поточну діяльність і тенденцію на перспективу.

Позитивною рисою такого підходу є його здатність поєднувати ключові характеристики звіту про фінансові результати і балансу в межах однієї моделі. Наприклад, прибуткова компанія з досить нестійким фінансовим станом може бути співставлена з менш прибутковою, але більш стійкою компанією. Таким чином, розрахувавши РАS-коефіцієнт, можна швидко оцінити фінансовий ризик, пов'язаний з цією компанією, і відповідно вибирати варіант стратегічного рішення.

Модель Спрінгейта передбачає розрахунок інтегрального показника, за яким здійснюється оцінка ймовірності визнання підприємства банкрутом, за такою формулою:

Z= 1,03 х₁+ 3,07 х₂+ 0,66 х₃+ 0,4х₄, де:

х₁ - робочий капітал / загальна вартість активів;

х₂ - прибуток до сплати податків та відсотків / загальна вартість активів;

х₃ - прибуток до сплати податків / короткострокова заборгованість;

х₄ - обсяг продажу / загальна вартість активів.

Інтервал значень результуючого показника Z поділений на основі єдиної критичної точки, яка відповідає значенню Z- показника 0,862. Таким чином, підприємство з достовірністю 92 % може бути віднесене до категорії потенційних банкрутів, якщо розрахункове значення Z- показника для даного підприємства менше за 0,862.

Порівняно з розглянутими вище моделями надзвичайно простою видається модель Бівера, яка має такий вигляд:

Z = чистий прибуток та амортизація / загальна заборгованість.

Але, за деякими джерелами, точність моделі Бівера значно перевищує точність моделі Альтмана, хоча основним обмеженням її застосування в Україні є неоднозначність трактування складу показника чистий прибуток та амортизація.

Основними обмеженнями всіх зазначених моделей прогнозування банкрутства є насамперед неврахування специфіки та реалій економічного життя окремих країн, а також відсутність у моделях факторів, які враховували б вплив галузевої належності підприємства — об'єкта дослідження. Таким чином, прогнозування банкрутства на основі згаданих методик в нашій країні можливе лише у формі додаткових індикаторів визначення загального економічного потенціалу підприємства.

Спробою подолати обмеження західних моделей прогнозування банкрутства є алгоритм, запропонований ученими Казанського державного технологічного університету. Основна сутність моделі полягає у визначенні ймовірності банкрутства підприємства шляхом ідентифікації класу його кредитоспроможності. При цьому розраховуються такі коефіцієнти:

• співвідношення позикових та власних коштів;

• імовірність банкрутства за моделлю Альтмана;

• загальний коефіцієнт покриття.

Визначення класу кредитоспроможності підприємства — об'єкта дослідження (а їх виділяється три — мінімальний ризик неповернення кредиту, нормальний ризик та підвищений ризик) здійснюється виходячи із розрахункових значень обраних коефіцієнтів та інтервалів їх зміни за кожним класом кредитоспроможності. Основною цінністю даної моделі є наявність інтервалів зміни цільових показників по різних галузях економічної діяльності, що дає змогу врахувати під час оцінки ймовірності банкрутства підприємства такий важливий фактор, як галузева належність.

Окремою формою комплексного аналізу фінансового стану підприємства — об'єкта дослідження є оцінка кредитоспроможності підприємства, що передбачає ідентифікацію економічного потенціалу підприємства у формі оцінки ймовірності виконання підприємством власних зобов'язань, зокрема погашення кредиту.

Вченими Іркутської державної економічної академії було запропоновано власну модель прогнозування ризику банкрутства - модель R, яка має такий вигляд:

R = 0,38 k₁ + k₂ + 0,054 k₃ + 0,63 k₄

де k₁ - оборотний капітал / активи;

k₂ - чистий прибуток / власний капітал;

k₃ - виручка від реалізації / активи;

k₄ - чистий прибуток / загальні затрати.

Імовірність банкрутства підприємства згідно моделі R визначається за критеріями, наведеними у табл. 24.

Модель R краще адаптована до умов перехідної економіки, оскільки розраховувалася на підставі даних про показники російських компаній, які збанкрутували. Тим не менш, навіть ця модель не може сприйматися як повноцінний метод передбачення банкрутства у юридичному розумінні цього слова. R модель та інші відомі методи прогнозування банкрутства доцільно використовувати для виявлення негативних тенденцій і кризових явищ, які можуть очікувати підприємство у майбутньому.

Таблиця 24.

Прогнозування можливості банкрутства з допомогою R-моделі

Значення R	Імовірність банкрутства, %
менше 0 0-0,18 0,18 - 0,32 0,32- 0,42 більше 0,42	максимальна (90 - 100) висока (60 - 80) середня (35- 50) низька (15 - 20) мінімальна (до 10)

Дата добавления: 2015-05-23