Эмпирическое исследование, Описание данных - Влияние значений финансовых коэффициентов на вероятность банкротства компании
Описание данных
Данные для исследования получены из базы Руслана, предоставляемой компанией Бюро Ван Дайк. Эта база содержит данные финансовой отчетности компаний России, Украины и Казахстана. В рамках проводимого исследования, интерес представляют данные российских компаний. Помимо финансовой отчетности, база данных содержит также некоторую нефинансовую информацию, которая была использована в исследовании. Это данные об отраслевой принадлежности компаний по классификации NACE, а также информация об упоминаниях компаний в официальных источниках, публикующих сообщения, связанные с банкротством компаний.
Информации о банкротствах, содержащейся в исходных данных, оказалось недостаточно для разделения выборки на подгруппы банкротов и небанкротов. Статус компаний был дополнительно проверен с использованием электронной картотеки арбитражных дел, расположенной по адресу http://kad. arbitr. ru/.
Отдельно стоит отметить используемое определение банкротства компаний. Следуя примеру работы Людмилы Луговской (Lugovskaya, 2009), в качестве точки признания банкротом выбрана введенная судом процедура наблюдения. С юридической точки зрения, процедура наблюдения является начальной стадией процесса банкротства, однако должник официально банкротом не является. После периода наблюдения возможен набор исходов, который включает, как официальное банкротство (конкурсное производство в отношении должника), так и исходы, которые не означают признание должника банкротом (прекращение дела о банкротстве, введение внешнего управления, заключение мирового соглашения и другие).
Процедура наблюдения вводится по решению суда на основании заявления должника или кредитора. Она подразумевает назначение судом временного управляющего. Управляющий должен обеспечить сохранность активов компании-должника и собрать информацию о финансовом состоянии компании. На основании отчета временного управляющего, суд принимает решение о дальнейшем статусе компании-должника. Существующий директор компании продолжает исполнять свои обязанности, однако он ограничен в принятии некоторых решений, которые потенциально могут навредить интересам кредиторов.
Введение процедуры наблюдения подразумевает, что суд имел для этого достаточно веские основания. Как правило, в суд о признании должника банкротом обращаются кредиторы, что означает наступление частичной неплатежеспособности должника. Поэтому уже на стадии процедуры наблюдения должник причиняет неудобства кредиторам, что можно трактовать как финансовую несостоятельность, которая, в свою очередь, является более широким понятием, чем юридическое банкротство в рамках законодательства РФ.
Рассматривая феномен банкротства прежде всего с экономической точки зрения, видится разумным использовать в качестве точки отсчета введение процедуры наблюдения.
Большинство существующих работ по тематике предсказания банкротств в качестве исследуемых выборок используют либо крупные компании, залистованные на фондовых биржах, либо малые и средние предприятия. Между этими двумя категориями находится обширный сегмент, который достаточно редко попадает в область исследования. Данная работа рассматривает промежуточный сегмент компаний, которые являются крупными и значимыми участниками национальной экономики, но не торгуются на публичных биржах. Формальный перечень критериев отбора компаний приведены ниже.
При создании выборки, отбор компаний проводился следующим образом:
- - Из базы данных "Руслана" отбираются только российские компании (как существующие на данный момент, так и существовавшие ранее); - С точки зрения правовой формы отбираются только акционерные общества - наиболее распространенная организационная форма, присущая крупным предприятиям; - С точки зрения структуры владения выбираются частные компании, то есть незалистованные на фондовых биржах; - Для отсечения небольших предприятий устанавливается критерий размера. Наилучшим показателем для оценки размера компании видится величина совокупных активов, так как она относительно устойчива при процессе банкротства в отличии от выручки. Данные по численности персонала доступны не для всех компаний; - Дополнительно были исключены компании, предоставляющие коммунальные услуги (коды D и E по классификации NACE), телекоммуникационные компании (код J) и компании, занимающиеся предоставлением финансовых и страховых услуг (коды K и L), а также компании, без обозначения отраслевой принадлежности.
Итоговая выборка представляет несбалансированную панель, включающую 282 обанкротившиеся компании и 3 150 не обанкротившиеся за период с 2011 по 2015 года. Следуя сложившейся практике, фирма считалась наблюдаемой в 2015 году, если за этот год был известен ее статус банкрота/небанкрота, а за 2014 год доступна ее финансовая отчетность.
Распределение фирм по годам выглядит следующим образом:
Распределение компания по годам, шт.
Год |
2011 |
2012 |
2013 |
2014 |
2015 |
Небанкроты |
2212 |
2308 |
2674 |
2745 |
2109 |
Банкроты |
60 |
41 |
55 |
54 |
72 |
В разрезе отраслевой принадлежности выборка имеет следующий вид:
Распределение компаний по отраслям, шт.
Отрасль |
Код по NACE |
Небанкроты |
Банкроты |
Сельское хозяйство |
A |
292 |
32 |
Производство |
C |
1303 |
143 |
Строительство |
F |
318 |
49 |
Розничная торговля |
G |
256 |
15 |
Профессиональные услуги |
M |
461 |
12 |
Прочие |
B, H, I, N, O, Q, R, S |
520 |
31 |
Подробные описательные статистики по финансовым коэффициентам приведены в Приложении №1.
Исследование предполагает создание предсказательной модели, поэтому исходная выборка, после процедуры отчистки от выбросов, была разделена на две подвыборки. Каждая подвыборка включала в себя 5 740 наблюдений: в выборку для разработки модели входили 126 наблюдений по банкротам и 5 614 наблюдений по небанкротам; в тестовую выборку вошли оставшиеся 125 наблюдений по банкротам и 5 615 наблюдений по небанкротам. Между выборками компании были распределены случайно, без процедуры какого-либо подбора.
Похожие статьи
-
Описание данных - Моделирование вероятности банкротства
Данные для исследования были взяты из базы Ruslana (Bureau van Dijk), содержащей финансовую и некоторую нефинансовую информацию об организациях из...
-
Среди современных исследований на тему предсказания банкротства можно выделить группу работ, которые не ставят своей целью сравнение предсказательной...
-
Данная работа опирается на исследования, посвященные проблематике предсказания банкротства компаний. Наибольший интерес в работах предшественников...
-
Большинство современных исследований, посвященных предсказанию банкротства, используют больше одного метода моделирования и делают выводы о сравнительной...
-
На следующем этапе в модель были добавлены дамми-переменные годов и отраслей. Таблицы соотношения переменных и данных приведены ниже. Кроме дамми...
-
Для прогнозирования банкротства, некоторые исследователи создают модели, основанные на использовании искусственных нейронных сетей. Как правило,...
-
Введение - Влияние значений финансовых коэффициентов на вероятность банкротства компании
Моделирование вероятности банкротства является широко применимой практической процедурой, которая необходима любой крупной кредитной организации....
-
Заключение - Влияние значений финансовых коэффициентов на вероятность банкротства компании
В рамках данного исследования были построены и оценены модели предсказания банкротства на базе логистической регрессии и искусственных нейронных сетей...
-
Постановка гипотез - Влияние значений финансовых коэффициентов на вероятность банкротства компании
Цель данной работы заключается в сравнении предсказательной силы логистической регрессии и искусственных нейронных сетей (ИНС) в рамках моделирования...
-
Искусственные нейронные сети (ИНС) рассматриваются исследователями как возможная альтернатива статистическим методам. Исследования, использующие ИНС, как...
-
Основной целью исследования является сравнение предсказательной силы моделей, построенных на основе различных методов. В условиях несбалансированности...
-
В первоначальном выборе объясняющих переменных существует две стратегии. Часть авторов осуществляют подбор переменных, опираясь на собственные...
-
Влияние значений финансовых коэффициентов на вероятность банкротства компании
Детализация расчета точки отсечения через G-mean для модели ИНС №2. Уровень Ошибка по небанкротам Ошибка по банкротам G-mean 0.04 10% 31% 1.262 0.039 10%...
-
Построение модели с помощью логистической регрессии Прежде чем строить логистическую регрессию, необходимо выбрать конечный набор финансовых и...
-
Приложения, - Влияние значений финансовых коэффициентов на вероятность банкротства компании
Описательные статистики по финансовым коэффициентам. Переменная Количество наблюдений Среднее Медиана 25 перцентиль 75 перцентиль Стандартное отклонение...
-
Экономическая сущность банкротства На сегодняшний день не сложилось единой точки зрения на то, что понимается под банкротством компании. Существует...
-
Введение - Моделирование вероятности банкротства
В настоящее время в условиях экономической стагнации и ухудшения финансового состояния бизнеса тема кредитоспособности и оценки устойчивости предприятий...
-
Существует целый ряд классификаций моделей используемых для прогнозирования финансовой несостоятельности заемщиков. В своей работе Григорьева Т. И....
-
Нефинансовые факторы, влияющие на вероятность банкротства - Моделирование вероятности банкротства
Как было отмечено выше, важность финансовых показателей для определения вероятности банкротства фирмы была замечена в самых ранних работах. Однако...
-
Описание используемых методов - Моделирование вероятности банкротства
В данной работе было принято решение использовать логистический анализ с помощью пакета STATA, а также алгоритм CART с помощью SPSS Modeler. Бинарная...
-
Методология исследования, Постановка гипотез - Моделирование вероятности банкротства
Постановка гипотез Целью данного исследования является построение модели вероятности банкротства, которая будет обладать надежностью не менее 80%. По...
-
Заключение - Моделирование вероятности банкротства
Целью данного исследования являлось моделирование вероятности банкротства российских нефинансовых компаний на основе наиболее значимых показателей...
-
Проблема прогнозирования вероятности банкротства существует уже несколько десятков лет - все началось с работ Ramser, Foster (1931), Fitzpatrick (1932) и...
-
Экономисты-исследователи - Моделирование вероятности банкротства
Чаще всего исследователи считают фирму банкротом, если она находится на любой из стадий процедуры банкротства: начиная с подачи заявления в суд до...
-
По итогам проведенного исследования можно прийти к выводу о том, что и логит-регрессия и деревья решений позволили построить модели, которые с...
-
Отбор и классификация объясняющих переменных Для всесторонней оценки строительной компании в ходе анализа будут использоваться финансовые,...
-
Теперь, когда в рамках данного исследования была получена модель с наилучшими характеристиками для непубличных строительных компаний, полученные...
-
Для анализа был выбран временной диапазон с 2004 года по 2014 год. В целях построения прогнозной модели собранные годовые данные были разделены на две...
-
Построение модели с помощью метода деревьев решений - Моделирование вероятности банкротства
В отличие от логистической регрессии, при использовании метода деревьев решений ограничения для независимых переменных отсутствуют, поэтому для...
-
Пусть у нас имеется некоторая непрерывная случайная величина X, распределенная нормально с математическим ожиданием и среднеквадратичным отклонением....
-
Для дополнительной наглядности полученных результатов предлагается подготовить рейтинговую шкалу, которая отмечала бы, какие значения вероятности дефолта...
-
Заключение - Эконометрическое моделирование финансовых рынков
В данной курсовой работе была рассмотрена модель временного ряда, на примере продажи акций. С помощью проведенных расчетов были получены индексы %К и %R,...
-
Введение - Уровень конкурентоспособности строительных компаний
Актуальность темы исследования. Строительная отрасль характеризуется огромным количеством потенциальных исполнителей. Полный цикл возведения любого...
-
Выборочное наблюдение широко используется для : 1) статистического оценивания и проверки гипотез; 2) решения производственных и управленческих задач; 3)...
-
Определение критериев события дефолт Строительная отрасль является одним из главных двигателей экономики. В России количество компаний, работающих на...
-
Вычисления для следующих входных данных F=1000H m=200 кг m'=1 кг/сек k=2 t0=0 сек V0=0 м/сек B=50 n=50 V1 (t) - результаты, полученные с помощью...
-
Описание варианта задания - Вероятность безотказной работы
В данной работе необходимо рассчитать вероятность безотказной работы и произвести анализ и оптимизацию полученной по варианту схемы. Для этого...
-
Анализ - метод научного исследования явлений и процессов, в основе которого лежит изучение составных частей, элементов изучаемой системы. На современном...
-
В современных условиях повышается самостоятельность предприятий в принятии и реализации управленческих решений, их экономическая и юридическая...
-
В нашем анализе данных показателей рынков под "самородками" понимаются зависимости, отражающие степень эффективности рекламных кампаний. Эксперты часами...
Эмпирическое исследование, Описание данных - Влияние значений финансовых коэффициентов на вероятность банкротства компании