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 модели, содержащие только показатели, основанные на данных из финансовой отчетности компании, часто подвергаются критике из-за того, что они не учитывают внутренние и внешние характеристики фирмы, которые также оказывают влияние на вероятность ее банкротства. Поэтому исследователи стали включать в свои модели нефинансовые переменные - рыночные показатели, макро-переменные или другие показатели, не отраженные напрямую в финансовой отчетности.
В 2001 году вышла статья Shumway (2001), критиковавшая традиционный подход с использованием переменных из отчетности для предсказания банкротства компании за его статичность. Он утверждал, что в таких моделях не учитывается развитие фирмы и ее изменение в течение времени. Исследователь предложил новый подход - так называемую hazard model, основанную на анализе выживаемости. Зависимая переменная представляла собой количество времени, которое фирма будет существовать как не-банкрот. В своей модели он использовал как показатели из отчетности, так и рыночные переменные, а также возраст компании.
Некоторые из исследователей делали попытки доказать превосходство моделей, основанных на рыночных показателях, над моделями, основанными на показателях из отчетности компании. Например, Vassalou и Xing (2004), Reisz и Perlich (2007), Bharath и Shumway (2008) использовали теорию опционов. Одной из первых моделей в этой области считается модель, созданная Merton (1974), которая впоследствии не раз подвергалась доработкам и адаптациям последующих авторов.
Тем не менее сравнение этих двух типов моделей часто дает противоречивые результаты. Например, Hillegeist (2004) утверждает, что рыночные модели имеют предсказательную силу выше, чем модели, основанные на переменных из отчетности компании. Он использовал модели Altman, Ohlson и Black-Scholes-Merton на данных 14 303 американских фирм промышленной индустрии за период с 1980 по 2000 годы. Hillegeist указывает, что достаточно использовать рыночные переменные в модели, и не использовать отчетность, для того, чтобы надежно предсказывать вероятность банкротства фирмы.
В то же время Agarwal и Taffler (2008) утверждали, что различия в предсказательной способности таких моделей минимальны. Они использовали данные 2006 здоровых британских фирм и данные 103 фирм-банкротов нефинансовых отраслей за период с 1985 по 2001 годы. Исследователи подчеркивают, что и данные из отчетности, и рыночные показатели содержат уникальную информацию о состоянии фирмы, поэтому дополняют друг друга в модели для получения лучшего результата.
Несмотря на популярность моделей, основанных на рыночных показателях, автор данного исследования предполагает, что финансовая отчетность может многое сказать о положении фирмы. Внезапное банкротство прибыльной компании с устойчивым финансовым положением - это довольно редкое явление. Как правило, ухудшение финансового состояния заметно при анализе отчетности, как минимум, за год до наступления банкротства.
Среди нефинансовых показателей исследователи часто выделяют такие характеристики компании, как ее отрасль и размер.
О важности отраслевой специфики при построении модели говорили, например, Berkovitch и Israel (1998), в работе которых количество банкротов в новых отраслях оказалось намного больше, чем в уже давно существующих.
Chava и Jarrow (2004) также утверждают, что при построении модели необходимо учитывать отрасль, к которой относится компания: фирмы из разных индустрий сталкиваются с разным уровнем конкуренции, поэтому вероятность их банкротства может отличаться, несмотря на одинаковые показатели в балансе. Они анализировали данные американских публичных компаний за период с 1962 по 1999 годы, разделенных на 4 группы согласно отраслевой принадлежности. К слабым сторонам модели можно отнести использование только двух финансовых показателей (Чистая Прибыль / Совокупные Активы, Совокупные обязательства / Совокупные Активы), т. е. невозможно понять, какие из показателей наиболее значимы для каждой из отраслей.
Одними из немногих авторов, исследовавших отраслевую специфику российских компаний, являются Демешев и Тихонова (2014). Они проанализировали компании из 4 различных отраслей (обрабатывающая, недвижимость, оптовая и розничная торговля и строительство) и пришли к выводу, что нефинансовые различия мешают построению единой модели, поэтому строили модель на основе данных фирм только одной отрасли. Примечательно, что Демешев и Тихонова обнаружили значимость в модели для переменного возраста компании.
Тем не менее, несмотря на достаточное количество исследователей, показавших необходимость отраслевой специфики, в большинстве работ используются либо данные компаний смежных отраслей, либо отраслевые различия не учитываются вовсе.
Что касается размера компании при прогнозировании банкротства, то самой цитируемой работой в этой области является статья Altman, Sabato (2007). Проанализировав данные 2010 американских компаний за период с 1994 по 2002 годы, исследователи пришли к выводу, что модели банкротства для средних и малых компаний необходимо строить отдельно от крупных компаний, так как они быстрее реагируют на экономические изменения и подстраиваются под предпочтения потребителей. Их вывод подтвердили Демешев, Тихонова (2014) и Луговская (2010), в моделях которых размер компании также оказался значимой переменной.
Еще одним типом переменных, не отраженных в финансовой отчетности фирмы, являются макроэкономические показатели. В работах они встречаются относительно редко, хотя связь между экономическими изменениями в стране и уровнем банкротства подтверждается многими экономистами (Mare, 2015). Большинство исследователей для анализа влияния макроэкономических факторов на вероятность дефолта используют модели риска (hazard model), модели выживаемости (Survival model) и т. д.
Одними из экономистов, использовавших макро-переменные для моделирования дефолта фирм, были Tinoco и Wilson (2013). Они анализировали данные 3 020 нефинансовых залистованных компаний Великобритании за период с 1980 по 2011 год с помощью логистической регрессии. Помимо финансовых коэффициентов и рыночных показателей в модель вошли такие макроэкономические переменные, как индекс потребительских цен Великобритании и реальная процентная ставка по трехмесячным казначейским облигациям в Соединенном Королевстве. Оба вида переменных оказались значимыми в моделях, предсказывающих банкротство компании за один и за два года до его наступления. Тем не менее сами исследователи отмечают, что добавление макро-переменных в модель с финансовыми показателями дало незначительный эффект для общей надежности модели.
По итогам анализа факторов, используемых в исследованной литературе, автор данного исследования пришел к выводу, что в модель войдут переменные, рассчитанные с помощью финансовой отчетности фирмы (детали описаны во 2 главе), дамми-переменные для различных отраслей, показатели размера и возраста компании. В работе не будут использоваться рыночные переменные (цена акции, волатильность и т. д.), так как для российских фирм-банкротов выявить такие данные в достаточном количестве не представляется возможным, а также не представляется возможным использовать макро-переменные ввиду их неоднозначного влияния на значимость модели.
Похожие статьи
-
Построение модели с помощью логистической регрессии Прежде чем строить логистическую регрессию, необходимо выбрать конечный набор финансовых и...
-
Проблема прогнозирования вероятности банкротства существует уже несколько десятков лет - все началось с работ Ramser, Foster (1931), Fitzpatrick (1932) и...
-
Заключение - Моделирование вероятности банкротства
Целью данного исследования являлось моделирование вероятности банкротства российских нефинансовых компаний на основе наиболее значимых показателей...
-
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...
-
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...
-
Введение - Моделирование вероятности банкротства
В настоящее время в условиях экономической стагнации и ухудшения финансового состояния бизнеса тема кредитоспособности и оценки устойчивости предприятий...
-
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...
-
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...
-
Среди современных исследований на тему предсказания банкротства можно выделить группу работ, которые не ставят своей целью сравнение предсказательной...
-
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...
-
Выбор переменных - Моделирование вероятности банкротства
Как уже было отмечено выше, единого набора финансовых и нефинансовых показателей, которые необходимо включать в модели, не существует, поэтому было...
-
Экономическая сущность банкротства На сегодняшний день не сложилось единой точки зрения на то, что понимается под банкротством компании. Существует...
-
На следующем этапе в модель были добавлены дамми-переменные годов и отраслей. Таблицы соотношения переменных и данных приведены ниже. Кроме дамми...
-
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...
-
Описание данных Данные для исследования получены из базы Руслана, предоставляемой компанией Бюро Ван Дайк. Эта база содержит данные финансовой отчетности...
-
Введение - Влияние значений финансовых коэффициентов на вероятность банкротства компании
Моделирование вероятности банкротства является широко применимой практической процедурой, которая необходима любой крупной кредитной организации....
-
Отбор и классификация объясняющих переменных Для всесторонней оценки строительной компании в ходе анализа будут использоваться финансовые,...
-
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...
-
Для прогнозирования банкротства, некоторые исследователи создают модели, основанные на использовании искусственных нейронных сетей. Как правило,...
-
Матрица сопряженности и другие показатели предсказательной силы логит-модели на данных контрольной подвыборки (2014 год): True Classified D ~D Total +...
-
Введение - Дескриптивный подход к моделированию коррупции как фактора социальной конфликтности
Настоящая работа является продолжением статьи [6], в которой рассматривались методологические аспекты математического моделирования коррупции и возможных...
-
Основной целью исследования является сравнение предсказательной силы моделей, построенных на основе различных методов. В условиях несбалансированности...
-
Искусственные нейронные сети (ИНС) рассматриваются исследователями как возможная альтернатива статистическим методам. Исследования, использующие ИНС, как...
-
В 1930 году Дж. Биркгофом и Дж. фон Нейманом была сформулирована и доказана одна из основных эргодических теорем - теорема о предельных вероятностях:...
-
В первоначальном выборе объясняющих переменных существует две стратегии. Часть авторов осуществляют подбор переменных, опираясь на собственные...
-
Моделирование динамики рыночной системы
Введение В современных условиях динамичного развития рыночной системы экономика, испытывающая многочленные подъемы и спады, требует внешнего воздействия,...
-
Модели и моделирование - Экономико-математические методы
Одним из основных методов научного познания является эксперимент, а самой распространенной его разновидностью - метод моделирования систем. В процессе...
-
Существует целый ряд классификаций моделей используемых для прогнозирования финансовой несостоятельности заемщиков. В своей работе Григорьева Т. И....
-
Выбор математической формы функции при моделировании зависимости выпуска продукции от производственных факторов Постановка проблемы. Одним из важнейших...
-
По данным о прибыли хозяйств района Таблица 3.1 Исходные данные Наименование хозяйств Урожайность, ц/га Стоимость внесенных удобрений на 1 га ТОО Рассвет...
-
На сегодняшний день основным видом деятельности ОАО "Огонек" является розничная торговля. В процессе труда человек вступает во взаимодействие с...
-
Рассмотрим алгоритм создания эмпирической базы для моделирования на примере трехуровневой иерархии, на среднем уровне которой есть пять видов рисков...
-
Скорость реакции определяется изменением молярной концентрации одного из реагирующих веществ: V=dC/dtV. Факторы, влияющие на скорость химических...
-
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%...
-
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...
-
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...
-
Среди различных конфигураций искусственных нейронных сетей встречаются такие, при классификации которых по принципу обучения, строго говоря, не подходят...
Нефинансовые факторы, влияющие на вероятность банкротства - Моделирование вероятности банкротства