Банкротство предприятий- причины, последствия, методы прогнозирования

Формулы расчета вероятности банкротства

Экономическая наука на новейшем этапе развития выработала ряд математических моделей, позволяющих прогнозировать банкротство с высокой достоверностью.

Бизнес по своей природе авантюрен. Угроза разорения витает над всеми фирмами, и большими, и совсем скромными

Для менеджмента важно определить момент возникновения критического состояния и принять своевременные меры по оздоровлению

Тема статьи – расчет вероятности банкротства предприятия. Будут рассмотрены зарубежные и российские модели, позволяющие прогнозировать возникновение опасных ситуаций на базе математического анализа, а также основные показатели и коэффициенты, составляющие базу расчетов.

Что такое коэффициент прогноза банкротства

Зарубежные и отечественные модели прогнозирования платежеспособности обладают многими достоинствами, но в своем большинстве требуют адаптации к условиям конкретного предприятия или отрасли хозяйства. В то же время российские банки нуждаются в едином количественном критерии, согласно которого возможна объективная оценка потенциального банкротства.

Такая характеристика существует, и основана она на данных бухгалтерского баланса. Ее экономический смысл состоит в способности фирмы своевременно погашать краткосрочные обязательства, а в случае возникновения проблем погасить их собственными резервами.

Формула коэффициента прогноза банкротства

Математическое выражение экономического смысла формулы представляет собой результат деления реальных оперативных ресурсов хозяйствующего субъекта на валюту его баланса, то есть итоговую сумму актива или пассива (они, как известно, равны).

Где:

• КПБ – коэффициент прогноза банкротства;
• ОНДС – отложенные обязательства по налогу на добавленную стоимость;
• СЛА – суммарная стоимость ликвидных активов;
• КО – совокупные краткосрочные долговые обязательства;
• ВБ – валюта баланса.

Применительно к бухгалтерскому балансу (Форме 1) выражение выглядит достаточно просто:

Нормативное значение показателя КПБ

Универсальное значение КПБ для всех предприятий установить невозможно по причине отраслевых различий в нормативных объемах ликвидных активов и отложенных обязательств по НДС. Существуют общие критерии оценки перспектив платежеспособности предприятия на основе коэффициента прогноза банкротства:

• Отрицательный КПБ свидетельствует о недостаточности резервов фирмы для погашения краткосрочных обязательств.
• Рост показателя демонстрирует улучшение финансового положения. Инверсия этого положения также верна.
• Чрезмерно высокий, по сравнению со среднеотраслевым значением, КПБ выявляет низкую эффективность использования возможностей кредитования.

Показатель КПБ является относительной величиной. Для оценки перспектив платежеспособности большую роль играет динамика его изменений.

Анализ вероятности банкротства предприятия по методике Таффлера

В таблице 3 представлена динамика показателей оценки вероятности банкротства, рассчитанных по методике Таффлера.

Таблица 3 – Динамика Z – показателя вероятности банкротства по методике Таффлера

На протяжении анализируемого периода динамика Z – показателя
вероятности банкротства, рассчитанная по методике Таффлера является
положительной, что в целом способствует снижению уровня риска возникновения
банкротства, при этом уровень данного показателя на протяжении 2015-2017 года
превышает нормативное значение (0,3 пункта).

Положительная динамика анализируемого коэффициента произошла в основном за счет роста удельного веса прибыли до налогообложения к сумме текущих обязательств, именно этот показатель имеет наиболее высокий корректирующий весовой критерий в общей формуле методики оценки (0,53 коэффициентных пункта). На рисунке 3 представлена динамика Z – показателя вероятности банкротства, рассчитанного по методике Таффлера.

Динамика Z показателя оценки вероятности банкротства по Таффлеру

В итоге, за анализируемый период 
Z – показатель вероятности банкротства, рассчитанный по методике
Таффлера, возрос на 0,25 коэффициентных пункта, в том числе в 2016 году
относительно 2015 года на 0,13 пункта и в 2017 году относительно 2016 года на
0,12 пункта, что позволило компании существенно снизить уровень вероятности
возникновения банкротства. Анализирую динамику составляющих общий расчет
коэффициентов, необходимо также отметить высокие темпы роста отношения выручки
к общей сумме активов, как в 2016 году (+141,28%), так и в 2017 году (+32,54%).
Таким образом, именно рост объемов продаж в компании стал фактором повышения Z
– показателя вероятности банкротства, рассчитанного по методике Таффлера в 2016
и 2017 году.

Зарубежные методики оценки вероятности банкротства

Специалисты выделяют две эффективные модели оценивания рисков банкротства: У. Бивера и Э.Альтмана. В чистом виде они неприменимы к отечественной ситуации, так как существует факторы, которые необходимо учитывать при проведении расчетов, а они присутствуют в недостаточном количестве в финансовых показателях российский компаний.

Работа Бивера – первая попытка использовать различные коэффициенты для составления прогнозов. Он вывел коэффициент Бивера – отношение доходов к сумме долга и производил расчеты, взяв его за основу.

Э Альтман основывает расчеты на 5 главных коэффициентах:

• отношение активов к их стоимости;
• рентабельность;
• доходность;
• соотношение кредитного и собственного капитала;
• оборачиваемость активов.

Его метод получил широкую известность и распространение.

Средние значения показателей рядов динамики

Средние значения показателей рядов динамики выражают уровни и типичные значения их изменений
в определённый период времени. Прежде чем рассматривать средние значения показателей рядов динамики, разграничим
понятия интервальных и моментных рядов динамики.

Интервальные ряды динамики характеризуют значения изучаемого явления за некоторый
период времени, например, за месяц, за год, за пять лет. Моментные ряды динамики характеризуют значения
изучаемого явления в какой-то определённый момент времени, например, на начало или конец месяца, начало
или конец года и так далее. В предыдущем параграфе мы рассматривали интервальный ряд динамики и его
показатели.

Средний уровень интервального ряда динамики вычисляется путём деления суммы уровней
ряда на число уровней:

.

Пример 5. Вычислить среднегодовой объём экспорта предприятия «Х».

Решение. Вычислим средний уровень по формуле для интервального ряда динамики:

Средний уровень моментного ряда динамики, если между моментами — равные
промежутки времени, вычисляется по формуле средней хронологической:

.

Пример 6. Вычислить среднее число сотрудников предприятия «Х» на
начало года. В таблице ниже даны значения числа сотрудников на начало каждого года с 2013 по 2017 годы.

Момент	Число
1 янв. 2013	1113
1 янв. 2014	1122
1 янв. 2015	1110
1 янв. 2016	1130
1 янв. 2017	1222

Решение. Вычисляем по формуле хронологической средней:

Если между моментами ряда динамики — не равные промежутки времени, средний уровень
моментного ряда вычисляется по формуле средней хронологической взвешенной:

В этой формуле
— — уровни ряда динамики,
— — периоды
времени, например, 1 месяц, 2 месяца, 1 год, 2 года, 3 года… Все периоды времени должны выражаться в одной
и той же единице измерения (днях, месяцах, годах и др.).

Средний абсолютный прирост (снижение) выражает абсолютную величину, на которую в
среднем в каждую единицу времени в соответствующий период выросли или снизились показатели исследуемого
явления. Его вычисляют путём деления суммы цепных абсолютных приростов на число абсолютных приростов:

,

где —
число абсолютных приростов.

Если нет данных о цепных абсолютных приростах, но известны начальный и конечный уровни
ряда динамики, то средний абсолютный прирост можно вычислить через базовый абсолютный прирост по формуле

.

Пример 7. Используя данные об экспорте предприятия «Х», вычислить
среднегодовой прирост экспорта.

Решение. Вычислим интересующий нас показатель через сумму цепных абсолютных приростов:

.

Вычислим его же через базовый абсолютный прирост:

.

Как видим, получили один и тот же результат.

Средний темп роста является показателем изменения интенсивности изменения уровней ряда
динамики. Он характеризует среднюю интенсивность развития исследуемого явления, показывая, во сколько раз
в среднем в единицу времени изменились уровни ряда динамики. Средний темп роста можно выразить в
коэффициентах или процентах.

Цепной средний темп роста вычисляется по формуле среднего геометрического:

,

где n — число цепных темпов роста,

T — индивидуальные цепные темпы роста, выраженные в коэффициентах.

Если нет информации о каждом цепном темпе роста, средний темп роста можно вычислить
по формуле с использованием последнего и первого уровней ряда динамики

.

Пример 8. Вычислить средний темп роста экспорта предприятия «Х».

Решение. Вычисляем по формуле среднего геометрического:

Вычисляем по формуле с использованием последнего и первого уровней ряда динамики:

.

Получили один и тот же результат.

Средний темп прироста показывает, на сколько процентов в среднем увеличился (если
он со знаком «плюс») или уменьшился (если со знаком «минус») уровень исследуемого явления в течение
всего рассматриваемого периода. Средний темп прироста вычисляется путём вычитания из среднего темпа
роста 100% (если он выражен в процентах) или единицы (если он выражен в виде коэффициента).

В нашем примере:

Модель Альтмана и кредитный рейтинг

Кредитные специалисты банков при оценке заемщика проводят так называемый скоринг (от англ. score – счет). Иными словами, подсчитывают баллы, оценивая показатели ликвидности и платежеспособности. При проведении скоринга используется и Z-модель Альтмана (чаще всего пятифакторная). Степень вероятности банкротства и индекс кредитоспособности определяется по таким критериям:

Z	Платежеспособность	Вероятность банкротства
до 1,8	Очень низкая	Очень высокая
1,81	Низкая	Высокая
2,8	Удовлетворительная	Умеренная
от 2,99	Высокая	Низкая

Самым популярным алгоритмом расчета платежеспособности является рейтинг Moody’s (рейтинговое агентство, работающее с начала XIX века). Шкала рейтингов Mody’s выглядит так:

Обязательства класса А признаются самыми низкорисковыми. При этом, чем больше букв, тем ниже риск (Ааа – минимальный риск, Аа1 – низкий и т.д.).

Обязательства класса В характеризуются средним риском, а класса С – высоким риском.

Связь значения Z-score в модели Альтмана с рейтингом от Moody’s

Результаты сравнения двух алгоритмов проверки кредитоспособности приведены в таблице:

Наименование компании	Z-Score	Bond Rating (Moody’s)
Microsoft	5,93	Ааа
McDonald’s	5,1	А3
PepsiCo	4,91	Аа3
Burger King	2,61	В2
CBS	1,05	Ваа3

Нормативное значение коэффициента прогноза банкротства

Чем больше значение коэффициента прогноза банкротства, тем выше вероятность того, что анализируемому предприятию в ближайшее время (ближайшие 6 месяцев) не грозит банкротство. Снижение показателя в динамике (и тем более – резкое уменьшение его значения) свидетельствует об ухудшении дел на фирме и о повышенном риске разорения.

Вообще, какого-то одного универсального оптимального значения коэффициента прогноза банкротства нет по той причине, что у компаний различных отраслей экономики различается объем отложенных налоговых обязательств и ликвидных активов. Существует лишь 3 критерия исследования значений КПБ:

1. Когда КПБ > 100%, это значит, что компания неэффективно пользуется возможностью привлечения заемного капитала для развития хозяйственной деятельности.
2. Если значение КПБ увеличивается в динамике, значит, дела компании улучшаются. И наоборот, снижение показателя свидетельствует об ухудшении ситуации фирмы.
3. КПБ < 0 однозначно сигнализирует о том, что запасов предприятия не хватает для погашения краткосрочных задолженностей. КПБ всегда должен быть > 0.

Пример вычисления коэффициента прогноза банкротства

Проанализируем финансовое положение двух гипотетических крупных российских компаний с точки зрения вероятности банкротства.

Рассчитаем показатель для ООО «Технологии Успеха”:

Вывод из таблицы: в 2016 году CPB снизился и отрицательная динамика коэффициента является неблагоприятным фактором для фирмы. Кроме того, судя по всему, менеджеры ООО «Технологии успеха» не предприняли каких-либо полезных мер для улучшения ситуации, в 2017 году CPB продолжил снижение до 0,7 (что ниже нормативных значений). В связи с этим результатом было возбуждено производство по делу о несостоятельности, поскольку компания была признана неплатежеспособной.

Перейдем к расчету коэффициента прогнозирования отказов для ООО «Программирование будущего”:

Вывод по таблице: анализ данных бухгалтерского учета по ООО «Программирование будущего» позволяет увидеть рост текущих обязательств (краткосрочной задолженности) — это говорит о том, что компания использует возможность получения кредитов для привлечения капитала, взятого в долг. Несмотря на значительные суммы текущей задолженности, менеджмент компании грамотно балансирует собственный и заемный капитал, что обеспечивает постепенное повышение финансовой устойчивости. В результате компания считается платежеспособной и может быть уверена, что банкротство не произойдет, по крайней мере, в течение следующих 6 месяцев.

Общий вывод: С 2015 по 2016 год более высокий коэффициент прогнозируемого отказа был обнаружен у ООО «Технологии успеха». Однако руководящий состав ООО «Программирование будущего» более осведомлен в управлении заемным капиталом и не боится привлекать новое долговое финансирование, будучи уверенным в его эффективном использовании. При этом у ООО «Технологии успеха» внезапно накапливаются долги со сроком погашения не более 1 года, что в конечном итоге приводит к банкротству.

Нормативное значение коэффициента прогноза банкротства

Чем больше значение коэффициента прогноза банкротства, тем выше вероятность того, что анализируемому предприятию в ближайшее время (ближайшие 6 месяцев) не грозит банкротство. Снижение показателя в динамике (и тем более – резкое уменьшение его значения) свидетельствует об ухудшении дел на фирме и о повышенном риске разорения.

Вообще, какого-то одного универсального оптимального значения коэффициента прогноза банкротства нет по той причине, что у компаний различных отраслей экономики различается объем отложенных налоговых обязательств и ликвидных активов. Существует лишь 3 критерия исследования значений КПБ:

1. Когда КПБ > 100%, это значит, что компания неэффективно пользуется возможностью привлечения заемного капитала для развития хозяйственной деятельности.
2. Если значение КПБ увеличивается в динамике, значит, дела компании улучшаются. И наоборот, снижение показателя свидетельствует об ухудшении ситуации фирмы.
3. КПБ < 0 однозначно сигнализирует о том, что запасов предприятия не хватает для погашения краткосрочных задолженностей. КПБ всегда должен быть > 0.

Понятие коэффициента

Данный индикатор используется для анализа удельного веса чистых оборотных средств в сумме актива всего баланса конкретного анализируемого предприятия.

Определение 1

Коэффициент банкротства – индикатор, отражающий способность предприятия оплачивать краткосрочные долги (обязательства) с таким условием, что все запасы будут благоприятно реализованы.

Стоит отметить, что в экономике предприятия существует значительное множество различных моделей прогнозирования банкротства, нет единого подхода, так как каждое предприятие ввиду своих индивидуальных особенностей в праве самостоятельно выбирать методику прогнозирования банкротства.

В целом выделяют количественные и качественные методы.

Количественные методы основаны на анализе цифр финансовой отчетности, других документов фирмы, а качественные основаны на изучение экономических предпосылок, сравнениях с предприятиями успешными и банкротами).

Так коэффициент банкротства относится к количественному методу оценки благосостояния фирмы.

Пример расчета в Excel

Рассчитаем вероятность банкротства по двухфакторной и пятифакторной модели Альтмана, используя таблицу Excel. Исходные данные возьмем из финансовой отчетности ПАО «НОРИЛЬСКИЙ НИКЕЛЬ». Суммы указаны в тыс. руб.

Двухфакторная модель
Наименование показателя	2019	2018
Оборотные активы	535 078 619	267 590 633
Заемный капитал	527 599 039	569 614 657
Собственный капитал	348 675 191	194 884 220
Ктл	1,0142	0,4698
Кфр	1,5132	2,9228
Z	-0,6004	0,8003

Пятифакторная модель
Z	9,1954	4,6774
Наименование показателя	2019	2018
Оборотные активы	535 078 619,00	267 590 633,00
Активы	747 623 700,00	742 942 237,00
Чистая прибыль	514 676 109,00	164 955 544,00
Операционная прибыль	625 355 847,00	211 880 423,00
Рыночная стоимость акций	3 023 000 000,00	2 063 000 000,00
Заемный капитал	527 599 039,00	569 614 657,00
Выручка	878 144 293,00	609 311 741,00
Roa	0,6884	0,2220
Коа	1,1746	0,8201

Для частных компаний
Z	5,1449	2,2946
Наименование показателя	2019	2018
Оборотные активы	535 078 619,00	267 590 633,00
Активы	747 623 700,00	742 942 237,00
Чистая прибыль	514 676 109,00	164 955 544,00
Операционная прибыль	625 355 847,00	211 880 423,00
Собственный капитал	348 675 191	194 884 220
Заемный капитал	527 599 039,00	569 614 657,00
Выручка	878 144 293,00	609 311 741,00
Roa	0,6884	0,2220
Коа	1,1746	0,8201

Кроме того, не стоит забывать, что оценка вероятности банкротства по двухфакторной модели Альтмана не всегда дает точные результаты и не учитывает специфику по отраслям и формам собственности.

Анализ вероятности банкротства предприятия по пятифакторной модели Э.Альтмана

Следующая методика американского экономиста, профессора финансов
Нью-Йоркского университета Э.Альтана, используемая  в данной работе, является пятифакторная модель
оценки вероятности банкротства. Динамика Z – показателя вероятности банкротства
рассчитанная по методике Альтмана (пятифакторная модель) за 2015-2017 гг.
представлена в таблице 8.

Таблица 2 – Динамика Z – показателя вероятности банкротства рассчитанная по методике Э.Альтмана (пятифакторная модель) за 2015-2017 гг.

Таким образом, оценка вероятности банкротства, проведенная и
использованием пятифакторной модели Э.Альтмана показала, что ООО «Сибирская
водочная компания» в 2015 году имела уровень вероятности банкротства от 80 до
100%, что было связано в первую очередь низкой по отношению к 2016 и 2017 году
доходности совокупных активов, вызванной низким уровнем в 2015 году по
отношению к 2016 и 2017 году величиной выручки. В 2016 году вероятность
банкротства на предприятии снизилась до уровня 35-50%, а в 2017 году составила
15 – 20%. Причиной снижения уровня вероятности банкротства стал существенный
рост выручки от продаж производимой  ООО
«Сибирская водочная компания» продукции, а как следствие и рост доходности
активов.

 На рисунке 2 представлена динамика Z – показателя вероятности банкротства, рассчитанного по методике Альтмана (пятифакторная модель).

Динамика Z показателя оценки вероятности банкротства по Альтману (пятифакторная модель)

Анализируя каждый из составляющих показателей, на основании которых
формируется итоговый Z – показатель вероятности банкротства, стоит отметить
существенный рост удельного веса нераспределенной прибыли в совокупных активах
в 2017 году относительно 2016 года (+376,67%); рост уровня рентабельности
совокупных активов; повышение коэффициент соотношения акционерного капитала (в
нашем случае раздел III
бухгалтерского баланса) и обязательств, а также существенное увеличение
доходности совокупных активов компании.

В итоге, за анализируемый период 
Z – показатель вероятности банкротства, рассчитанный по методике
Э.Альтмана (пятифакторная модель), возрос на 1,5 коэффициентных пункта, в том
числе в 2016 году относительно 2015 года на 0,73 пункта и в 2017 году относительно
2016 года на 0,77 пункта, что позволило компании существенно снизить уровень
вероятности возникновения банкротства.

Российские экономические модели прогнозирования несостоятельности компаний

В силу того, что государственная экономическая политика имеет свою специфику (недоступность информации, особенности системы налогообложения, незрелый рынок недвижимости) профессора Э. Альтмана в первоначальном виде в России не прижилась. Из предложенных формул отечественными экономистами использовалась лишь одна — пятифакторная модель.

Первые попытки расчетов на основе этой модели были проведены экономистами в 1992 году. Позже выяснилось, что модель Альтмана показательна только при использовании в отношении крупных фирм, тогда как результат прогнозирования банкротства небольших компаний был достаточно низкий.

Методики вероятности банкротства Альтмана стали плацдармом для экономических наработок ученых постсоветского пространства. Благодаря схожести экономического поведения все представленные российские методики оценки вероятности банкротства нашли свое применение. Самыми востребованными и показательными среди моделей прогнозирования банкротства являются.

1. Методика Ковалева, благодаря которой финансовая устойчивость отечественных компаний диагностируется путем изучения данных бухгалтерского баланса юридического лица.
2. Модель банкротства Пареной-Долгалева. Российская методика может быть применена в том случае, если в деятельности предприятия уже присутствуют признаки кризиса.
3. Шестифакторная методика оценки вероятности банкротства Зайцевой, в большей степени подходящая для анализа и прогноза в отношении производственных компаний.
4. Математическая модель диагностики состояния предприятий РФ, предложенная экономистом из Беларуси Савицкой.
5. Методика, разработанная учеными Казанского университета для определения класса кредитоспособности юридических лиц.
6. Метод оценивания вероятной несостоятельности Давыдова-Беликовой, основанный на мониторинге деятельности российских торговых компаний.

Такое количество моделей для прогнозирования вероятности банкротства предприятия позволяет выбрать и применить работающую в каждом конкретном случае формулу. А проведение регулярного анализа финансового состояния юридического лица позволит вовремя заметить опасность кризиса и предпринять адекватные меры для его предотвращения.

Коэффициент банкротства — вероятность и анализ итогов

Чем раньше финансист сможет выявить ухудшение финансового состояния предприятия, тем больше вероятность того, что этот бизнес удастся спасти от разорения. Судебный орган рассматривает соответствующее понимание как показатель характера финансового состояния, в котором заемщик в силу определенных обстоятельств не может удовлетворить требования кредиторов или не может полностью выполнить свои обязательства по обязательным платежам.

Некоторые из основных целей процедуры финансовой несостоятельности:

• Взыскание имущества должника.
• Выплата возникшей задолженности.

Чтобы оценить реальное экономическое положение компании, необходимо внимательно изучить соответствующие показатели. С их помощью можно будет составить максимально подробный отчет.

Во-первых, будет произведена оценка платежеспособности компании, которая включает недостаток / избыток оборотного капитала и собственного капитала. Также будут рассмотрены все источники запасов компании.

Впоследствии будет установлен тип экономической устойчивости. На основании полученных данных можно рассчитать уровень платежеспособности должника.

Кредитоспособность предприятия — один из основных факторов, на основании которого может быть определена финансовая устойчивость. Недостаток или избыток активов будет определен для соответствующего расчета

Кроме того, чтобы использовать модели для определения вероятности банкротства, будут приниматься во внимание действия, направленные не только на покрытие долгов по срочным обязательствам, но и на выполнение обязательств по долгосрочным и краткосрочным обязательствам

Общий коэффициент ликвидности компании рассчитывается на основе текущей и будущей ликвидности. В результате финансист оценит капитал, собственность и определит результаты выполненной финансовой работы.

Обобщенные результаты и вывод по проведенному анализу возникновения вероятности банкротства

В таблице 6 представлены итоги проведенного анализа вероятности наступления несостоятельности (банкротства) ООО «Сибирская водочная компания».

Таблица 6 – Обобщенные результаты проведенного анализа вероятности наступления несостоятельности (банкротства) ООО «Сибирская водочная компания».

В целом, как показали результаты проведенного анализа вероятности
наступления несостоятельности (банкротства) проведенного для компании ООО
«Сибирская водочная компания», по методикам зарубежных и отечественных ученных,
уровень вероятности банкротства в компании является довольно низким, при этом
имеется ряд факторов, способствующих ограничению роста отдельных расчётных
показателей, которые могут в значительной мере повлиять на уровень наступления
вероятности банкротства в будущем.

Просмотров 18 106