Комплексный анализ и прогнозирование вероятности банкротства в аудиторской проверке (стр. 12 )

Российскими учеными , , (2016) была разработана десятифакторная модель с отраслевыми пороговыми значениями, обладающая высокой прогностической способностью. На выборке из 8262 российских предприятий различных отраслей, которая охватывала период с 2011 по 2013 г., на 1 этапе были протестированы известные отечественные и зарубежные модели банкротства.

На 2 этапе для того, чтобы разделить выборку наилучшим образом на 2 класса: преимущественно банкроты и не банкроты, были уточнены пороговые значения критериев классических моделей для отдельных отраслей. Для разделения выборки были использованы деревья классификации и индекс Джини.

На 3 этапе с помощью метода логит-регрессии была построена модель:

- оборачиваемость оборотных активов;

- краткосрочный долг к совокупным обязательствам;

- чистый оборотный капитал к совокупным активам;

- рентабельность активов;

- коэффициент автономии;

–;

–;

- ;

-

- обратный коэффициент абсолютной ликвидности.

Часть показателей встречается и в других моделях, например, отношение рабочего капитала к активам присутствует в модели Альтмана, ИГЭА. Логарифм материальных активов и также присутствуют в модели Фулмера. Полученная модель имеет среднюю прогнозную силу по всем отраслям, равную 78,9% (банкроты – 78,9%, здоровые предприятия - 78,8%).89

Логит-модели имеют следующие преимущества:90

возможность использования нелинейных зависимостей; не требуют соблюдения условия подчинения показателей многомерному нормальному закону распределения (практика показала, что зачастую, особенно для несостоятельных предприятий, это условие не соблюдается); отсутствуют сферы неопределенности, при результирующем показателе, больше 0,5, можно делать вывод о том, что вероятность события велика и наоборот При разработке логит - моделей специалисты отмечают следующие проблемы:91 чувствительность к наличию мультиколлинеарности переменных, что означает необходимость их серьезной обработки; из огромного массива данных с помощью той или иной формальной методологии необходимо отобрать финансовые показатели, которые действительно статистически значимо влияют на исход классификации предприятий

В последнее десятилетие появились методы и модели (нечетких множеств, нейронных сетей, нейронечеткие), которые позволяют учитывать нелинейные зависимости индикаторов вероятного банкротства. Эти методы значительно расширили возможности моделирования банкротств, приблизив их к реальным условиям, повысив точность прогноза.92

Основными недостатками этих моделей специалисты называют высокую сложность разработки и невозможность получения формализованной формулы или уравнение оценки вероятности банкротства.93 Кроме того, считает, что их практически невозможно использовать обычному пользователю.94

На основании изученного материала можно сделать вывод, что на сегодняшний день не существует единой общепризнанной методологии, или модели, которая бы с высокой точностью прогнозировала вероятность банкротства. Преимущества и недостатки рассмотренных методик представлены в таблице, составленной автором.

Таблица 2.3.

Преимущества и недостатки методов диагностики вероятности банкротства

Методика	Модель	Положительные стороны	Недостатки
Качественные
Комплексный анализ неформализованных критериев	Рекомендации комитета по обобщению практики аудита Великобритании; двухуровневая система показателей	Системность, комплексный подход	Многокритериальность используемых параметров, субъективности принимаемых решений.
Количественные
Однофакторное моделирование	Модель Бивера	Достаточный уровень надежности прогноза; определяет временной промежуток наступления банкротства.	Нормативные значения показателей не учитывают отраслевую специфику; не выводится итоговый коэффициент.
МДА (множественный дискриминантный анализ)	Модели Альтмана, Спрингейта, Таффлера, Фулмера, Зайцевой, Сайфуллина-Кадыкова, ИГЭА	Простота в использовании; система показателей базируется на данных публичной отчетности; статистическое обоснования количества и состава показателей и значений весовых индексов; точный прогноз на 1 год	Жесткие рамки подчинения переменных многомерному нормальному закону распределения; статичность, в связи с высоким уровнем корреляции набора показателей; наукоёмкость верификации (подтверждения соответствия); неточный прогноз в средне - и долгосрочной перспективе;
Рейтинговое моделирование	Модели Ковалева, Шеремета.	Комплексный, многомерный подход; учитывает реальные достижения конкурентов; возможность изменения весовых значений коэффициентов, в зависимости от  актуальности их нормативных значений; простота разработки; адаптация к российским реалиям	Использование нормативных значений показателей, не дифференцированных по отраслям; субъективный подход к определению  весовых значений показателей; ограничение результатов рамками критериальной оценки
Логистическая регрессия	Модели Altman - Sabato, Lin Piesse, Joo - Ha Taehong, Gruszczynski, Жданова, Рыгина, Федоровой.	Точный прогноз; однозначная интерпретация результирующего показателя; возможность нелинейной зависимости переменных; прогноз в средне - и долгосрочной перспективе	Сложность процедуры достаточной выборки банкротов и не банкротов и отбора значимых показателей; чувствительность к наличию мультиколлинеарности переменных
Комбинированные
Искусственный интеллект	нечетких множеств, нейронных сетей	Высокий уровень прогноза; возможность выявления с сложных нелинейных связей в совокупностях данных	Большая трудоемкость разработки; сложность формализации и нахождения оптимальной системы показателей, структуры модели; сложность в использовании

В рамках темы настоящей работы, актуальными являются модели, представленные в рамках количественного подхода, так как исследования в 3 главе будут проводиться только на данных бухгалтерской отчетности. Также не представляется целесообразным использование рейтинговых моделей, так как ранжирование или отнесение предприятия к определенному классу недостаточно для прогнозирования вероятности банкротства, для чего больше подходят МДА-модели и логит-модели. Нейронные сети сложны в построении, а стандартных схем не разработано.