Вы находитесь на странице: 1из 13

ОЦЕНКА И ПРОГНОЗИРОВАНИЕ РИСКА БАНКРОТСТВА ГОРНОДОБЫВАЮЩИХ

КОМПАНИЙ
Аннотация. На основе обобщения результатов корреляционного анализа выявлена
взаимосвязь индексов промышленного производства с показателями - индикаторами
вероятности банкротства горнодобывающих компаний. Сравнительный анализ
отечественных и зарубежных методик диагностики банкротства позволил предложить
ключевые детерминанты и разработать дискриминантную модель, на основе которой
рассчитаны весовые значения ключевых детерминант банкротства. Разработана
предложенная модель диагностики вероятности банкротства горнодобывающих компаний.
(не уверена в правильности понимания почерка)
Актуальность темы. Горнодобывающая промышленность относится к общественно
значимому сектору экономики, в связи с этим диагностика и своевременное предвидение
кризисных явлений является одним из способов обеспечения экономической устойчивости в
перспективе, обеспечивая руководству компании возможность своевременно разработать и
принять антикризисные меры. Одним из способов обеспечения надежности и устойчивости
работы компаний выступает прогнозирование как механизм, который позволяет предсказать
будущие изменения.
Изложение основного материала. Отталкиваясь от базовой экономической парадигмы
и с учетом сложившейся динамики в Российской Федерации, отечественные ученые
пытаются спрогнозировать состояние экономической безопасности как для компаний в
частности, так и для страны в целом. Основываясь на собственном аналитическом обзоре [4],
построенном по данным Росстата [8], можно утверждать, что в 2016 году количество
компаний, имеющих высокий риск банкротства, статистически снизилось на 4,2 пункта в
среднем за год. Однако среди промышленного комплекса Российской Федерации согласно
прогнозу по-прежнему будет наблюдаться наибольшая доля компаний с высокими рисками
банкротства [3].
Горнодобывающая промышленность Российской Федерации претерпевает процессы
реструктуризации, связанные с изменением производственных, технических и рыночных
условий. Однако система мониторинга по-прежнему не включает отраслевые индикаторы в
разрезе специализации промышленных компаний. Так, для горнодобывающего комплекса
статистика неликвидных компаний не ведется, что затрудняет не только экономическую
аналитику в отношении риска банкротства, но и функционирования компаний в целом, так
как общая картина на рынке не видна. Решение проблемы диагностики и прогнозирования
банкротства ГДК может быть начата с создания системы мониторинга, их финансовых
показателей, что имеет общегосударственное значение для Российской Федерации, так как
горнодобывающий комплекс на 92% состоит из компаний с государственной формой
собственности, а доля комплекса в ВВП в 2016 году составила
4,2% [4].
Сегодня горнодобывающая промышленность представляет собой комплекс компаний,
занимающихся добычей и обогащением различных видов рудного сырья (железных руд, руд
цветных металлов, драгоценных и редкоземельных металлов), добычей драгоценных
камней. С конца 2013 года условия функционирования и соответственно показатели
производства ГДК России ухудшаются на фоне изменений, происходящих в ведущих
отраслях добычи полезных ископаемых и обрабатывающего производства (Рис. 1), что
происходит в результате роста цен на сырье. Это обуславливает поиск инструментов
финансовой диагностики и прогнозирования вероятности банкротства.
140
139

136
Всего: обрабатывающие производства

131
Производство пищевых продуктов

119
118

118

117

115

115
113

112

111

111
109
105

Производство текстильных изделий


104
104

103
100

100
99
99

99

99
98

98
Обработка древесины
96

96

96
95

95
93
92
92

92

90
88

88
87

85
Производство кокса и нефтепродуктов

83
80

76
Производство химических веществ и химических продуктов
Производство лекарственных средств

2013 2014 2015 2016

а) Обрабатывающее производство по видам деятельности (оставлять все виды или


сделать, как в табл 1?)
135

134

134

133
Всего: добыча полезных ископаемых
Добыча угля
Добыча сырой нефти и природного газа
99

98

98

97
96
96

95
95

95
95

94
94
89

88
87

Добыча металлических руд


86

Добыча прочих полезных ископаемых


62

61

60

60

2013 2014 2015 2016

б) Добыча полезных ископаемых по видам деятельности

Рис. 1. Динамика индексов промышленного производства продукции по видам


экономической деятельности (согласно ОКВЭД) в Российской Федерации в 2013-2016 гг, в % к
предыдущему году

Проведенный анализ доказывает, что между динамикой индексов промышленного


производства по данным Росстата и арбитражной статистикой по банкротству существует
прямая корреляционная связь. (Табл. 1). Таким образом, можно говорить о том, что в
рамках прогнозирования развития ГДК ведущее место занимает анализ вероятности
банкротства в связи со сложившимися условиями развития отрасли.
Таблица 1. Арбитражная статистика по банкротству компаний и корреляция данных
для производственных компаний

Производство химических веществ и

Добыча прочих полезных ископаемых


Производство лекарственных средств

Расшифровка: степень корреляции


Производство металлургическое

Предоставление услуг в области

Расчет коэффициента Пирсона


добычи полезных ископаемых
Добыча металлических руд
химических продуктов

Добыча угля
Индекс 2013 139 113 96 96 99 89 62 0.5506 заметная

Кол-во дел о банкротстве 55 64 118 56 56 55 74 0.5578 заметная

Индекс 2014 140 118 95 95 98 87 61 0.5148 заметная

Кол-во дел о банкротстве 59 65 122 55 50 51 77 0.5028 заметная

Индекс 2015 136 119 95 95 98 88 60 0.6135 заметная

Кол-во дел о банкротстве 62 69 140 60 55 54 59 0.6240 заметная

Индекс 2016 131 115 90 94 97 86 60 0.2744 заметная

Кол-во дел о банкротстве 64 74 133 60 64 64 80 0.7822 высокая

Однако в Российской Федерации использование моделей прогнозирования банкротства


ГДК осуществляется сегодня только на уровне самих компаний, а государственный
контроль как таковой не ведется. По нашему мнению, это обусловлено, во-первых,
неадаптированностью уже существующих моделей к государственной и отраслевой
специфике, во-вторых, отсутствием государственной поддержки создания необходимых
инструментов и методик предупреждения банкротства для отечественных ГДК.
На сегодняшний день для ГДК действует общая схема расчета риска банкротства на
основе имеющихся данных Росстата [8] (Рис. 2). На Рис. 2 отмечены те показатели, которые
выступают официальными индикаторами банкротства в соответствии с действующим
законодательством Российской Федерации.
Поиск комплексного решения проблемы актуальным использование дискриминантных
моделей прогнозирования банкротства, выбор которых обусловлен необходимостью
рассчитать определенный набор факторов, поэтому они являются инструментом экспресс-
тестирования финансового состояния компаний и могут быть использованы для
мониторинга состояния ГДК.
Действующее законодательство ориентировано, прежде всего, на возможность уплаты
налогов и платежей согласно текущим обязательствам. Согласно таким факторам можно
проследить отрицательную динамику в работе компании, однако, нельзя дать однозначного
ответа о вероятности банкротства. Этот факт подтверждается в Законе Российской
Федерации «О несостоятельности (банкротстве)», в котором указывается, что данный факт
может быть подтверждён в судебном порядке на основе проведения финансовой экспертизы
(при необходимости).

Коэффициент
автономии

Коэффициент Коэффициент
абсолютной обеспеченности
ликвидности собственными Доля
Коэффициент оборотными просроченной
текущей средствами  кредиторской
ликвидности задолженности в
Показатели, пассивах
находящиеся
вне Показатель
Степень нормативных отношения
платежеспособност значений дебиторской
и по текущим задолженности к
обязательствам совокупным
активам

Показатель
обеспеченности
обязательств Рентабельность
Норма чистой
должника его активов
прибыли
активами

1 Рис. 2. Показатели-идентификаторы банкротства согласно действующему


законодательству Российской Федерации (согласно: ФЗ от 26.10.2002 № 127-ФЗ "О
несостоятельности (банкротстве)", приказу Минэкономразвития от 18.04.2011 г. № 175,
которым утверждена Методика проведения анализа финансового состояния
заинтересованного лица и правилам проведения арбитражным управляющим финансового
анализа, утвержденные Постановлением Правительства от 25.06.2003 г. № 367)

С точки зрения государственного контроля такой механизм затрудняет идентификацию


и прогнозирование неликвидности компаний, а также не имеет вариативного компонента,
который бы отражал отраслевую специфику. Для устранения данного недостатка в
экономических исследованиях могут использоваться комплексные дискриминантные
модели. Дискриминантную модель для прогнозирования банкротства компаний впервые
предложил американский экономист Э. Альтман в 1968 г. В мировой практике известны
также модели Р. Таффлера, Р. Лиса (Великобритания), Д. Фулмера, Г. Спрингейта
(Венгрия), Ж. Конана и Г. Гольдера (Франция) и др. Среди отечественных ученых наиболее
известна модель оценки В.В. Ковалева [7], которая дает возможность идентифицировать как
финансовый, так и управленческий кризис в компании. Достаточно хорошо
систематизированы и проанализированы модели банкротства в работах Н.Н. Казаковой, С.С.
Чистопашиной, И.Ф. Карповой.
На Рис. 2 обобщены проблемы использования существующих методик диагностики
банкротства для ГДК.
Рис. 2. Дерево проблем использования методик диагностики
банкротства в ГДК [5]

По всем компаниям проведенные расчеты по моделям банкротства отражают


существенное ухудшение финансовых показателей в динамике (в некоторых случаях в 2-3
раза) (Табл.3).
Таблица 3. Результаты применения моделей прогнозирования банкротства по
финансовым показателям деятельности отечественных ГДК
Башкирский
Высокогорский
медно-серный Печенга-никель Северсталь РУСАЛ
ГОК
комбинат
Метод
Прогноз

Прогноз

Прогноз

Прогноз

Прогноз
2016

2016

2016

2016

2016
Модель
2,81 1,19 3,81 1,67 2,57 2,07 3,47 2,91 4,51 2,33
Э. Альтмана
Модель
1,38 -0,63 2,51 0,32 1,76 0,78 2,81 1,77 2,88 0,79
Р. Таффлера
Модель
0,73 0,31 1,02 0,71 1,01 0,40 1,31 0,84 1,20 0,82
Г. Спрингейта
Модель
0,06 0,03 0,09 0,06 0,06 0,05 0,09 0,08 0,10 0,08
Р. Лиса
У. Бивера -0,13 0,01 0,02 -0,11 0,17 0,00 0,036 0,1 0,16 -0,02
Модель 55,1- -16- 62,2- - -6,1-
7,2-0,97 87,71,01 40,29 74,21,68 80,30,68
В.В. Ковалева 0,55 0,53 0,12 0,40,45 0,16

Наиболее неустойчивое положение прогнозируется в компании «Высокогорский ГОК»,


наиболее устойчивое в компании «Северсталь». Однако полученные данные не дают
точного ответа и имеют статистические отличия.
Модель Э. Альтмана прогнозирует на 2017 г. устойчивое финансовое состояние
ПАО «Северсталь»; по компаниям «Русал» и «Печенганикель» - модель не дает четкого
ответа, данные компании находятся в зоне неопределенности; по Башкирскому медно-
серному комбинату и компании «Высокогорный ГОК» расчеты по модели свидетельствуют
о том, что компании находятся в зоне финансового риска. На снижение интегрального
показателя повлияло, прежде всего, существенное уменьшение прибыли до
налогообложения по всем хозяйствующим субъектам, поскольку отношение этого
показателя к активам имеет наибольший вес в модели Альтмана. Следует отметить, что
значение других факторов осталось почти неизменным.
Согласно модели Р. Таффлера (критическим является Z0,2, ниже которого
хозяйствующему субъекту грозит кризисное состояние) ни одной компании не угрожало
банкротство в 2016 году, но в 2017 году в зоне риска находится компания «Высокогорский
ГОК», а финансовое состояние компании «БМСК» приближается к этому. По другим
компаниям наблюдается ухудшение показателей только в 2016 году, которое объясняется
снижением рентабельности текущих обязательств и снижением отношения оборотных
активов к совокупным обязательствам.
Согласно модели Г. Спрингейта (критическое значение - 0,862, ниже которого
возможно банкротство компании) на 2017 год по всем компаниям прогнозируется
неустойчивое положение, что свидетельствует о возможности банкротства. Наиболее
критическое состояние прогнозируется у компании «Высокогорский ГОК». Резкое
ухудшение финансового состояния вызвано уменьшением рентабельности совокупных
активов и текущих обязательств в 2016 г.
По критерию Р. Лиса (предельное значение Z равно 0, 037, ниже которого финансовое
положение компании считается неустойчивым) все анализируемые компании являются
устойчивыми, на 2017 год банкротство грозит лишь компании «Высокогорский ГОК».
Ухудшение ситуации вызвало снижение трех факторов: рентабельности активов по прибыли
от реализации, соотношение собственного и заемного капитала и соотношение
нераспределенной прибыли и активов.
По модели У. В.В. КовалёваБивера вероятность банкротства рассматриваемых
хозяйствующих субъектов велика, если Z < - 0,550,15, финансовое состояние
удовлетворительное, если Z > 0,55=> 0.17, а при - 0,550.4 < Z < 0,545 компании находятся в
зоне неопределенности и, соответственно, невозможно сделать какой-либо определенный
прогноз. Эта модель прогнозирует банкротство Башкирскому медно-серному комбинату на
2017 г. По другим компаниям наблюдается только существенное снижение значения Z-
показатели в результате снижения рентабельности активов и операционной продажи за cash-
flow, коэффициента финансовой независимости и коэффициента текущей ликвидности.
Аналогичные показатели получены по методике российского экономиста
В.В. Ковалева (Если N => 100, финансовая ситуация на предприятии может считаться
хорошей, если же N < 100, она вызывает беспокойство).

Обобщая полученные результаты, можно сделать вывод о том, что в динамике все
модели показывают схожие изменения в финансовом состоянии компаний. Наиболее
неустойчивое состояние по всем моделям прогнозируется у компании «Высокогорский
ГОК», а наиболее устойчивое – у компании «Северсталь».
Кроме того, использование рассмотренных методик для ГДК имеет ряд ограничений,
которые обобщены в Табл.4.
Таблица 4. Недостатки использования традиционных моделей оценки вероятности
банкротства на ГДК (таблица разработана авторами)
Недостатки Недостатки использования для
Модель Преимущества
использования в РФ ГДК
Пятифакторная Простота расчетов; - Является -   Коэффициент рыночной
модель Э. Альтмана - Есть возможность эмпирической, не имеет стоимости акций / заемный
прогнозирования под собой капитал неприемлем ввиду
банкротства, самостоятельной отсутствия информации о
определения зоны теоретической базы; рыночной стоимости
риска, в которой - Отсутствие привязки акций; характеризует
находится компания; отраслевых наступление финансового
- Наличие нескольких особенностей, учет кризиса, в то время как другие
формул для компаний, размеров компаний и - экономического;
акции которых т.д.; - Коэффициент оборотный
котируются и не - Не учитывает капитал / сумма активов связан
котируются на бирже; рыночную оценку с кризисом управления,
- Небольшое бизнеса (котировки рыночным кризисом;
количество акций); - Отсутствие качественной
показателей, - Вероятность получения статистики в сфере ГДК;
обеспечивающих некорректного - Не учитываются факторы
точность результатов, результата в связи с неэкономического характера; 
при незначительных временной -Для промышленных
трудозатратах; несоответствием компаний, в т.ч. и. ГДК,
(разработке и расчете); доказана точность
- Несоответствие прогнозирования, которая
способа расчета составила всего 95%. А
некоторых показателей, доступность исходных
данных, отраженных в формах
в рамках западной и
финансовой отчетности может,
отечественной практики
при этом, способствовать
осуществления снижению котировок акций
финансового анализа компании и ее рыночной
деятельности с учетом позиции.
Модель Р. Таффлера Простота и рыночных факторов -   В РФ может использоваться
и Г. Тишоу незначительные ГДК. лишь как параллельная
расходы при модель, так как значения
осуществлении расчета; коэффициентов не имеют
- Доступность отраслевой привязки;
исходных данных, - Модель создавалась с учетом
отраженных в формах западного развития.
финансовой
отчетности;
- Обеспечивает не
только констатацию
состояния, но и
возможность
осуществлять
прогнозирование;
- Позволяет
идентифицировать
риски деятельности
компании на
определенном рынке.
Модель Р. Лиса - Комплексный подход При анализе -Устаревшие данных для
и доступность российских компаний расчета (1972 г. для
исходных данных для показывает несколько Великобритании) без учета
расчетов по формам завышенные оценки, отраслевой специфики;
бухгалтерской так как значительное - Согласно модели, чем
отчетности российских влияние на итоговый больше прибыль от продаж,
компаний. показатель оказывает тем компания становится
прибыль от продаж, без более финансово устойчивой и
учета финансовой наоборот. Однако в сфере ГДК
деятельности и такой подход может не
налогового режима. работать при учете
государственной формы
собственности, дотационных
программах и прочих
факторов.
Методика В.В. Имеет преимущества, За счет ограниченного количества факторов оценки
Ковалева определенные для уменьшается точность и возможность быстрого
моделей Р. Таффлера и реагирования мерами антикризисного управления;
Г. Тишоу, Р. Лиса, а Была создана как модель оценки рейтинга заемщика,
также позволяет поэтому может использоваться как параллельная наряду с
оценить факт другими моделями.
непогашения займов и
другие условия,
характерные для ГДК.
Модель Г. Простота в расчете; - Модель была создана для компаний США и Канады;
Спрингейта  Точность> 90%. - Коэффициенты приведены в долларах;
- Модель создана для оценки кредитоспособности
компаний.
Система показателей Значение системы Прогнозный период: по Длительный период для
У. Бивера показателей позволяют результатам расчета прогнозирования, ведь
определить границу диагностических отсрочка в погашении
удовлетворительного индикаторов компании финансовых обязательств, как
финансового состояния попадают в одну из трех правило, не предоставляется
компании и ее групп: «благополучные на срок более года для
склонности к компании», а также компаний ГДК.
неплатежеспособности. фирмы, находящихся «за
год до
неплатежеспособности» и
«за пять лет до
неплатежеспособности» .

Проведенное исследование доказывает, что дискриминантные модели прогнозирования


банкротства могут служить только для экспресс-тестирования компании на возможность
наличия вероятности банкротства, поскольку они используют незначительное количество
факторов. Главное условие эффективности этих моделей – отсутствие устойчивых
взаимосвязей между факторами. На основе анализа рассмотренных моделей
прогнозирования банкротства обобщим показатели - факторы чаще всего применяемые для
оценки банкротства:
Х 1 – отношение основного капитала к общей сумме активов;
Х 2 – отношение оборотного капитала к общей сумме активов;
Х 3 – коэффициент оборачиваемости активов;
Х 4 – доля дебиторской задолженности за товары, работы и услуги в текущих активах;
Х 5 – коэффициент текущей ликвидности;
Х 6 –коэффициент автономии;
Х 7 – коэффициент рентабельности собственного капитала;
Х 8 – отношение нераспределенной прибыли к сумме активов;
Х 9 – отношение текущих обязательств к общей сумме активов;
Х10 - рентабельность активов по прибыли от реализации;
Х11 – коэффициент абсолютной ликвидности;
Х12 – коэффициент рентабельности активов.
Для выявления и оценки характера взаимосвязи между этими факторами применим
корреляционно-регрессионный анализ данных показателей по пяти ГДК (Табл. 5).

Таблица 5. Расчетные значения показателей - факторов вероятности банкротства ГДК

Коспания Период Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8 Х9 Х10 Х11 Х12

0,5 0,0 2,0 0,1 1,1 0,5 0,2 0,4 0,0


2016 г. 0,14 0,15 0,08
1 1 5 7 1 0 5 7 5 2
Прогноз 0,4 0,1 1,9 0,1 1,2 0,3 0,1 0,4 0,0
-0,88 -0,16 -0,29
на 2017 г. 5 1 9 5 4 3 1 4 4
0,3 0,1 2,4 0,1 1,4 0,4 0,3 0,4 0,2
2016 г. 0,44 0,33 0,21
2 4 9 7 6 1 9 2 7 3
Прогноз 0,3 0,0 2,0 0,1 1,0 0,3 0,0 0,6 0,1
-0,30 0,17 -0,09
на 2017 г. 1 1 6 7 1 0 2 9 1
0,6 0,2 1,5 0,0 2,7 0,8 0,4 0,1 1,0
2016 г. 0,09 0,10 0,08
3 9 0 3 6 5 5 8 1 9
Прогноз 0,6 0,1 1,5 0,0 1,9 0,7 0,4 0,1 0,6
0,01 0,01 0,01
на 2017 г. 6 7 2 6 8 0 0 7 8
0,4 0,4 1,8 0,4 3,3 0,7 0,5 0,1 0,3
2016 г. 0,26 0,23 0,18
4 3 0 7 5 2 2 1 7 0
Прогноз 0,3 0,3 1,8 0,6 2,0 0,6 0,4 0,3 0,0
0,20 0,16 0,12
на 2017 г. 3 5 0 0 9 1 6 2 9
0,3 0,4 3,0 0,4 2,3 0,5 0,5 0,2 0,1
2016 г. 0,30 0,25 0,17
5 1 0 4 2 8 6 3 9 6
Прогноз 0,2 0,2 2,1 0,5 1,6 0,2 0,2 0,4 0,0
-0,18 0,22 0,05
на 2017 г. 7 8 6 4 0 9 7 6 6

Результаты корреляционного анализа с помощью Microsoft Ехсеl представлены в


таблице 6.
Таблица 6. Результаты корреляционного анализа факторов вероятности банкротства
ГДК
Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8 Х9 Х10 Х11 Х12
Х1 1,0
Х2 -0,3 1,0
Х3 -0,7 0,3 1,0
Х4 -0,7 0,8 0,3 1,0
Х5 0,3 0,8 -0,2 0,3 1,0
Х6 0,7 0,4 -0,4 -0,2 0,8 1,0
Х7 0,0 0,5 0,2 0,2 0,5 0,6 1,0
Х8 0,3 0,8 0,0 0,3 0,8 0,8 0,7 1,0
Х9 -0,6 -0,6 0,4 0,0 -0,9 -0,9 -0,4 -0,9 1,0
Х10 0,5 0,4 0,5 0,4 0,2 0,0 0,8 0,3 0,1 1,0
Х11 0,8 0,0 0,5 0,5 0,5 0,8 0,2 0,4 -0,7 -0,2 1,0
Х12 0,0 0,6 0,3 0,3 0,5 0,6 1,0 0,7 -0,4 0,8 0,2 1,0

По результатам корреляционного анализа можно сделать выводы.


1. Наиболее устойчивая прямая взаимосвязь существует между показателями-
факторами Х12 и Х7 (рентабельность активов и рентабельность собственного капитала,
значение корреляции 1,0).
2. Значительная прямая связь существует между показателями-факторами (значение
корреляции равен 0,8): Х4 (отношение дебиторской задолженности к текущим активам), Х 5
(коэффициент текущей ликвидности), Х8 (отношение нераспределенной прибыли к сумме
активов) и Х2 (отношение рабочего капитала к общей сумме активов), Х6 и Х5
(коэффициент автономии и коэффициент текущей ликвидности), Х 8 с Х6 и Х5; Х10 и Х7
(рентабельность активов по прибыли от реализации и рентабельность СК), Х 11 и Х1
(коэффициент абсолютной ликвидности и отношение основного капитала в общей сумме
активов), Х12 и Х10 (рентабельность активов и рентабельность активов по прибыли от
реализации).
3. Весомая обратная связь существует между следующими показателями-факторами
(значение корреляции - 0,9): Х9 (отношение текущих обязательств к сумме активов) и Х 5,
Х6, Х8 (коэффициент текущей ликвидности, коэффициент автономии, отношение
нераспределенной прибыли к сумме активов).
4. Практически отсутствует взаимосвязь между (значение корреляции меньше или
равна 0,2): Х5 и Х3 (коэффициент текущей ликвидности и коэффициент оборачиваемости
активов); Х6 и Х4 (коэффициент автономии и отношение дебиторской задолженности к
текущим активам), Х7 (коэффициент рентабельности СК) и Х3, Х4; Х10 (рентабельность
активов по прибыли от реализации) и Х 5, а также Х9 (доля текущих обязательств в
совокупных активах), Х11 (коэффициент абсолютной ликвидности) и Х 7, Х10; Х12
(рентабельность активов) и Х11.
5. Отсутствует корреляции между показателями-факторами: Х7 и Х1 (рентабельность
СК и отношение основного капитала к общей сумме активов), Х 8 и Х3 (отношение
нераспределенной прибыли к сумме активов и коэффициент оборачиваемости активов); Х 9 и
Х4 (отношение текущих обязательств к общей сумме активов и отношение дебиторской
задолженности к текущим активам), Х10 и Х6 (рентабельность активов по прибыли от
реализации и коэффициент автономии), Х11 и Х2 (коэффициент абсолютной ликвидности и
отношение рабочего капитала к сумме активов); Х12 и Х1 (коэффициент рентабельности
активов и отношение основного капитала к общей сумме активов).
Можно сделать вывод о том, что результатам корреляционного анализа
репрезентативны даже при такой небольшой выборке статистических показателей,
поскольку числовые результаты корреляционного анализа совпадают с логическим анализом
взаимозависимости показателей.
На основании корреляционного анализа можно отобрать следующие показатели-
факторы, которые не связаны между собой:
1. Коэффициент рентабельности активов исключает коэффициент рентабельности
собственного капитала (корреляция 1,0), коэффициент рентабельности активов по прибыли
от реализации (корреляция 0,8) и показатель отношения нераспределенной прибыли к сумме
активов (корреляция 0,7).
2. Отношение основного капитала к сумме активов. Этот показатель исключает
использование следующих связанных с ним коэффициентов: отношение дебиторской
задолженности к общей сумме активов и коэффициент текущей ликвидности.
3. Коэффициент оборачиваемости активов исключает показатель соотношения
основного капитала и суммы активов.
4. Отношение текущих обязательств к общей сумме активов. Этот коэффициент
исключает коэффициенты автономии, текущей ликвидности и отношение нераспределенной
прибыли к сумме активов. Вместо этого показателя можно использовать коэффициент
автономии, но он больше коррелирует с последующим показателем – абсолютной
ликвидности.
5. Коэффициент абсолютной ликвидности не имеет существенных связей с одним из
выбранных показателей, кроме предыдущего.
По результатам исследования три из пяти показателей-факторов совпадают с
показателями модели Э. Альтмана, что свидетельствует о возможности использования
западных моделей прогнозирования банкротства с определенными изменениями.
На основе проведенного исследования предложен базовый алгоритм, который отражает
сценарий контроля риска банкротства для ГДК (Рис. 3).
Рис. 3. Сценарий контроля риска банкротства ГДК
Выводы. По результатам проведенного анализа с целью адаптации существующих
методических подходов к прогнозированию банкротства ГДК был сделан вывод, что в
подавляющем большинстве моделей западных экономистов наибольший вес имеют
показатели рентабельности, прежде всего, рентабельности активов по показателю прибыли
до налогообложения и уплаты процентов. Для отечественных компаний это также
справедливо. Но, в отличие от моделей западных экономистов, мы предлагаем использовать
показатель рентабельности активов по чистой прибыли. По результатам корреляционно-
регрессионного анализа двенадцати факторных показателей, используемых в рассмотренных
в работе дискриминантных моделях прогнозирования банкротства, были отобраны пять
показателей, между которыми отсутствует существенная корреляция в результате чего их
можно использовать при создании дискриминантной модели прогнозирования банкротства
ГДК. Это показатели: коэффициент рентабельности активов, отношение рабочего капитала к
общей сумме активов, коэффициент оборачиваемости активов, отношение текущих
обязательств к общей сумме активов и коэффициент абсолютной ликвидности.
Для повышения точности результатов диагностики рисков банкротства должны быть
переработаны шкала для оценки интегрального показателя Z–счета и коэффициенты
регрессии для отечественных ГДК в соответствии со сведениями Росстата, российскими
особенностями экономики и спецификой российских ГДК. Для повышения эффективности
применения дискриминантных моделей прогнозирования банкротства они должны
постоянно обновляться по данным арбитражной статистики по банкротству ГДК. Для
государственного контроля рисков банкротства необходимо создание информационной
системы, которая позволяет своевременно выявить компании, которые наиболее
подвержены риску банкротства, чтобы можно было незамедлительно применять меры
антикризисного управления.
Литература
2 Федеральный закон от 26.10.2002 N 127-ФЗ (ред. от 03.07.2016) "О
несостоятельности (банкротстве)" (с изм. и доп., вступ. в силу с 01.01.2017)
3 Приказ Минэкономразвития РФ от 18 апреля 2011 г. № 175, которым утверждена
Методика проведения анализа финансового состояния заинтересованного лица.
4 Правила проведения арбитражным управляющим финансового анализа,
утвержденные Постановлением Правительства РФ от 25 июня 2003 г. № 367
5 Результаты оперативного мониторинга социально-экономического развития России
и субъектов РФ (Ситуационный Центр социально-экономического развития регионов):
монография / колл. авторов. – Москва: Российский экономический университет имени Г.В.
Плеханова, 2016. –Выпуск 21. III квартал 2016 года. – Сер. Аналитические записки. –59 с.
6 Сивкова А.Е. Методическое обеспечение и инструментарий диагностики
вероятности банкротства в компании // Финансовый менеджмент. – 2016. – № 3. – С.31-38.
7 Горнодобывающие предприятия 2013-2017 гг. Отраслевой обзор информационного
агентства "INFOLine" [Электронный ресурс]. Режим доступа: http://infoline.spb.ru/
8 Макрообзор ЕАБР / ИЮЛЬ 2016. – 52 с. [Электронный ресурс]. Режим доступа:
http://www.eabr.org/general/upload/Makro_obzor_EABR_f.pdf
9 Федеральная служба государственной статистики [Электронный ресурс]. Режим
доступа:
http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/population/demography/