Ріжок І.М.

Київський національний університет будівництва і архітектури

Сучасні підходи та інструментарій діагностики загрози банкрутства будівельних підприємств

З огляду на нестабільний характер економічного середовища функціонування підприємств останніх років, так само як і нестабільність всієї макроекономічної ситуації в цілому, менеджерам необхідно здійснювати аналіз не тільки поточного фінансового стану компаній, але й постійно здійснювати діагностику можливості банкрутства в майбутньому.

Останнім часом для ефективної оцінки ризику банкрутства компаній міжнародне економічне співтовариство розробило чималу кількість спеціалізованих методів і моделей. При цьому в основу такого економіко-математичного моделювання банкрутства в переважній більшості випадків покладено статистичні підходи. Якщо спробувати класифікувати запропоновані в літературі статистичні моделі прогнозування банкрутства підприємств у розрізі (на основі) застосованих для їхньої побудови підходів, можна умовно розділити їх на кілька основних груп:

o моделі, розроблені за допомогою мультиплікативного дискримінантного аналізу (МДА);

o моделі, побудовані за допомогою апарата логістичної регресії (logit-моделі) та рrobit-регресії;

o скорингові моделі прогнозування банкрутства;

o моделі, побудовані за допомогою нечітко-множинного підходу;

o моделі прогнозування банкрутства на основі рейтингових оцінок.

Найбільш відомими моделями однофакторного дискримінантного аналізу є системи показників американського економіста В. Бівера та німецького дослідника П.Вайбеля; моделями прогнозування банкрутства на основі багатофакторного дискримінантного аналізу є тест на банкрутство Тамарі (1964), модель Альтмана (1968), модель Беермана (1976), система показників Бетге-Хуса-Ніхауса (1987), модель Краузе (1993).

Саме вони, у свою чергу, вважаються основоположниками комплексного коефіцієнтного аналізу банкрутства компаній за допомогою економіко-математичного моделювання, завдяки тому, що вони першими для оцінки ступеня банкрутства компаній розробили й запропонували світу свої комплексні статистичні моделі. Більше того, згодом, на підставі даних моделей і МДА з'явився широкий ряд схожих розробок і моделей прогнозування банкрутства, запропонованих як закордонними (Р. Лісс, Р. Таффлер і Г. Тісшоу, Г. Спрінгейт та ін.), так і вітчизняними (Л. Лігоненко, О. Терещенко та ін.) авторами.

Однак, у ході численних досліджень моделей прогнозування банкрутства, побудованих за допомогою МДА, був виявлений ряд істотних недоліків, що не дозволяють ефективно та адекватно використовувати їх при оцінці ступеня банкрутства. Приміром, дані моделі не в змозі надати кількісну оцінку ймовірності банкрутства. Вона не може бути визначена номінальним значенням, моделі здатні визначити тільки лише її якісний ступінь - як низький, високий, дуже високий й т.д. Крім того, у всіх моделях, що використовують МДА, існує так звана "зона невизначеності", при влученні в яку розрахункового підсумкового показника не можливо зробити однозначний висновок про ймовірність банкрутства. Все це в сукупності з іншими недоліками привело до деякої відмови міжнародних практиків фінансового менеджменту від використання моделей оцінки ступеня банкрутства, заснованих на МДА, і звернення уваги на більш сучасні економетричні інструменти й, насамперед, на моделі, побудовані за допомогою апарата логістичної регресії (logіt-моделі). Говорячи про додаткові до дискримінантного аналізу методи оцінки фінансового стану підприємств слід привернути увагу до використання з цією метою LOGIT- та PROBIT-моделей. Ці моделі без розрахунку узагальнюючої оцінки фінансового стану підприємства надають інформацію про рівень ймовірності банкрутства при певному значенні фінансових коефіцієнтів.

Термін «probit» (як похідне від англ. probability unit - ймовірність блоку) запропонував (вперше використав) Честер Блісс (Chester Ittner Bliss [1899-1979]) у своїй статті, присвяченій кількісному аналізу смертельного дії отрути на прикладі дії нікотину на щавлеву тлю (Aphis rumicis L.)[1]. З тих пір метод probit-аналізу особливо популярний в прогнозуванні з використанням функції нормального розподілу для опису залежності «доза – ефект» (щодо інтенсивності відповіді клітини на дану дозу лікарської речовини) і підпорядковується розподілу Гауса. Рrobit-регресія застосовується в різних областях (економетрика, соціологія та ін) і являє собою статистичну (нелінійну) модель і метод аналізу залежності якісних (в першу чергу - бінарних) змінних від безлічі факторів, що ґрунтується на нормальному розподілі Гауса (на відміну від, наприклад, аналогічної Logit-регресії, заснованої на логістичному розподілі). В економіці (економетриці) Рrobit -моделі (поряд з логіт-, гомпит - та ін) використовуються в моделях бінарного вибору або в моделях множинного вибору між різними альтернативами: для моделювання дефолтів компаній, прогнозування і попередження банкрутства, для оцінки впливу «дози» або «концентрації» впливу тих чи інших факторів на економічні об'єкти.

Рrobit-модель дозволяє оцінити ймовірність того, що аналізована (залежна) змінна набуде значення 1 при заданих значеннях факторів (тобто це оцінка частки "одиниць" при встановленому значенні факторів). В Рrobit-моделі рrobit-функція ймовірності моделюється як лінійна комбінація факторів (включаючи константу). Рrobit-функцією прийнято називати функцію, зворотну до інтегральної функції (CDF) стандартного нормального розподілу, тобто функцію, що визначає квантиль стандартного нормального розподілу для заданої ймовірності .

Залежно від мети та завдань аналізу в кожному конкретному випадку вибирають оптимальний саме для цього випадку комплекс чинників-симптомів та напрямків аналізу фінансового стану підприємства. Слід підкреслити, що вся кількість показників фінансового стану підприємства перебуває у взаємозв'язку та взаємозумовленості. Тому оцінити реальний фінансовий стан підприємства можна лише на підставі використання певного комплексу показників з урахуванням впливу різних факторів на відповідні економічні ознаки.

Переважна більшість вказаних розрахункових чинників-симптомів являє собою фінансові коефіцієнти, тобто відносні величини, які відображають пропорції між певними елементами виробничо-фінансової системи підприємства. Перевагою фінансових коефіцієнтів у порівнянні з абсолютними величинами є те, що вони віддзеркалюють ефективність використання тих чи інших виробничих ресурсів, дозволяють елімінувати інфляцію. Останній момент особливо актуальний в умовах ринкової економіки при аналізі фінансового стану підприємства в динаміці. Відповідні фінансові коефіцієнти можуть зіставлятися з якою-небудь базою, наприклад:

- загальноприйнятими нормативними параметрами фінансової ліквідності (рентабельності, затримки платежів, обороту, обсягу та структури капіталу підприємства);

- середньогалузевими показниками;

- аналогічними ознаками попередніх періодів;

- показниками конкуруючих підприємств;

- світовими досягненнями в даній галузі [2].

При оцінюванні фінансової ситуації підприємства необхідним є використання апарата logit- та рrobit- моделей, що передбачають:

1) вибір діагностичних ознак (у нашому випадку фінансових показників);

2) упорядкування економічних об'єктів відповідно до синтетичних показників, побудованих з використанням фінансових коефіцієнтів;

3) класифікацію економічних об'єктів за їхньою схожістю та виділення типологічних груп із схожою фінансовою ситуацією.

Разом з тим, як показала практика управління, діагностика українських будівельних підприємств з використанням західних статистичних методик є некоректною, оскільки порушуються найважливіші умови застосування статистичних моделей: часова відповідність, відповідність об'єкта оцінювання, відповідність методики визначення параметрів моделі. Тобто для вирішення задачі такого типу необхідно застосовувати метод, а не результати його використання. У зв’язку з цим розробка моделей прогнозування банкрутства підприємств та їх практична реалізація на прикладі конкретного підприємства є досить актуальною проблемою на сучасному етапі розвитку підприємств будівельної галузі.

Література:

1. Lennox C. Identifying Failing Companies: A Re-evaluation of the Logit-, Probit- and DA Approaches//Elsevier Science Inc, 1999.

2.Рижакова Г.М. Системний підхід до прогнозування економічних показників / Г.М. Рижакова // Формування ринкових відносин в Україні. - 2010.-№3. - С.34-38.