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 России, Украины и Казахстана. Эта база данных удобна также тем, что содержит информацию о банкротствах, поэтому нет необходимости использовать дополнительные источники информации для определения статуса фирмы.
Интерес для исследования представляли только данные российских организаций за период с 2013 по 2016 годы.
Для создания выборки компаний в базе Ruslana применялось несколько критериев:
- - Выборка была ограничена малыми, средними и микро-предприятиями, так как они считаются менее устойчивыми по сравнению с крупными компаниями и при этом составляют большую часть предприятий в России в 2016 году. Для ограничения использовался размер выручки компаний. Согласно Постановлению Правительства РФ от 09.02.2013 № 101 "О предельных значениях выручки от реализации товаров (работ, услуг) для каждой категории субъектов малого и среднего предпринимательства" выручка от реализации товаров, работ или услуг без учета НДС для таких компаний не должна превышать 1 миллиарда рублей. Автор данного исследования не использовал ограничение по количеству работников из-за отсутствия такой информации у большинства компаний. - Выборка была ограничена только частными компаниями, то есть незалистоваными на биржах. - Отраслями, рассматриваемыми в данной работе, являлись производство, строительство, а также оптовая и розничная торговля (коды по классификатору промышленности NACE Rev. 2 - C, F, и G, соответственно). В исследовании не рассматривались компании, занимающиеся финансовой и страховой деятельностью (кредитные организации, пенсионные фонды, инвестиционные и страховые компании), так как эта отрасль имеет свою специфику учета и функционирования. Такие отрасли как здравоохранение, образование, коммунальные услуги, общественное управление и защита также были исключены из рассмотрения из-за специфичности их рисков и банкротства. В итоге было решено остановиться на трех отраслях, которые отличаются в достаточной степени, чтобы была возможность подтвердить или опровергнуть предположение о значимости отраслевой специфики при моделировании вероятности банкротства.
Как уже обсуждалось выше, банкротами в данной работе будут объявляться все компании, которые находятся на любой из стадий процедуры легального банкротства. Поэтому из базы были отобраны как действующие фирмы, проходящие через процедуру банкротства, так и недействующие компании - ликвидированные, либо находящиеся в стадии ликвидации. Компании, находящиеся в состоянии ликвидации из-за слияния или поглощения, исключались из рассмотрения, так как причины этих явлений находятся за рамками обсуждаемой проблемы.
Поиск финансово "здоровых" компаний в работах предыдущих исследователей выполнялся с помощью двух методов: либо подбирались фирмы-аналоги для банкротов с учетом их отрасли, размера, возраста и прочих характеристик, либо фирмы выбирались случайным образом. Автор данного исследования воспользовался первым методом и отобрал только действующие средние и малые предприятия из трех отраслей, у которых была доступна годовая отчетность с 2013 по 2015 годы.
Все данные по компаниям из Ruslana были поделены на 3 подвыборки - статус которых определялся в 2016 году (обучаемая выборка, на основе которой будет строиться модель) и статус которых определялся в 2015 и 2014 годах (контрольные подвыборки, с помощью которых будет проверяться надежность полученной модели). Каждая подвыборка состояла из своей группы компаний, не входящих в другую подвыборку.
Таким образом, можно будет избежать как межвременной ошибки, так и ошибки "out-of-sample", когда модель, хорошо предсказывающая банкротство компаний на обучающей выборке, показывает плохие результаты на данных других компаний или другого периода (Stein, 2007).
Таблица 3. Описание подвыборок
Подвыборка |
Год определения статуса (банкрот/небанкрот) |
Число компаний |
Год используемой отчетности | |
Небанкротов |
Банкротов | |||
Обучаемая |
2016 |
86 |
86 |
2015 |
Контрольная |
2015 |
174 |
174 |
2014 |
Контрольная |
2014 |
114 |
114 |
2013 |
В исследовании модель строилась на данных финансовой отчетности за один год до наступления/не наступления банкротства компании.
Количественное соотношение фирм-банкротов и здоровых фирм в данной работе составляет 50%-50%, так как это наиболее популярный подход в работах предыдущих исследователей (Altman (1968), Deakin (1972), Nam, Jinn(2000), Mselmi, lahiani (2017)).
Распределение отраслевой принадлежности компаний для каждой из подвыборок представлено в Таблице 4:
Таблица 4. Отраслевая принадлежность компаний в подвыборках
Подвыборка |
Год определения статуса |
Число компаний: производство |
Число компаний: строительство |
Число компаний: оптовая и розничная торговля | |||
Небанкроты |
Банкроты |
Небанкроты |
Банкроты |
Небанкроты |
Банкроты | ||
Обучаемая |
2016 |
16 |
16 |
15 |
15 |
55 |
15 |
Контрольная |
2015 |
60 |
60 |
29 |
29 |
85 |
29 |
Контрольная |
2014 |
49 |
49 |
21 |
21 |
44 |
21 |
Похожие статьи
-
Описание данных Данные для исследования получены из базы Руслана, предоставляемой компанией Бюро Ван Дайк. Эта база содержит данные финансовой отчетности...
-
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...
-
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...
-
Среди современных исследований на тему предсказания банкротства можно выделить группу работ, которые не ставят своей целью сравнение предсказательной...
-
Построение модели с помощью логистической регрессии Прежде чем строить логистическую регрессию, необходимо выбрать конечный набор финансовых и...
-
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...
-
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...
-
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...
-
Экономическая сущность банкротства На сегодняшний день не сложилось единой точки зрения на то, что понимается под банкротством компании. Существует...
-
По итогам проведенного исследования можно прийти к выводу о том, что и логит-регрессия и деревья решений позволили построить модели, которые с...
-
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...
-
Введение - Моделирование вероятности банкротства
В настоящее время в условиях экономической стагнации и ухудшения финансового состояния бизнеса тема кредитоспособности и оценки устойчивости предприятий...
-
Введение - Влияние значений финансовых коэффициентов на вероятность банкротства компании
Моделирование вероятности банкротства является широко применимой практической процедурой, которая необходима любой крупной кредитной организации....
-
На следующем этапе в модель были добавлены дамми-переменные годов и отраслей. Таблицы соотношения переменных и данных приведены ниже. Кроме дамми...
-
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...
-
Для прогнозирования банкротства, некоторые исследователи создают модели, основанные на использовании искусственных нейронных сетей. Как правило,...
-
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...
-
Целью курсовой работы является эффективная организация работы отдела планирования и экономического анализа Могилевского филиала РУП "Белтелеком"....
-
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...
-
Матрица сопряженности и другие показатели предсказательной силы логит-модели на данных контрольной подвыборки (2014 год): True Classified D ~D Total +...
-
В первоначальном выборе объясняющих переменных существует две стратегии. Часть авторов осуществляют подбор переменных, опираясь на собственные...
-
Основной целью исследования является сравнение предсказательной силы моделей, построенных на основе различных методов. В условиях несбалансированности...
-
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...
-
Искусственные нейронные сети (ИНС) рассматриваются исследователями как возможная альтернатива статистическим методам. Исследования, использующие ИНС, как...
-
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...
-
Описание моделируемой системы - Моделирование систем
В системе передачи данных осуществляется обмен пакетами данных между пунктами А и В по дуплексному каналу связи. Пакеты поступают в пункты системы от...
-
Любой электромеханический преобразователь можно рассматривать в установившемся и динамическом режиме. Модель в установившемся режиме, по сути, является...
-
Вычисляют выборочную дисперсию, характеризующую меру разброса опытных данных (x I ; Y I ) вокруг значений регрессии, то есть дисперсию остатков ....
-
Описание блоков SimEvents в программе Matlab - Моделирование систем
Time-Based Entity Generator (Раздел Generators/Entity Generator.) - блок генерирует сущности в моменты времени, определяемые входным сигналом или...
-
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%...
-
В 1930 году Дж. Биркгофом и Дж. фон Нейманом была сформулирована и доказана одна из основных эргодических теорем - теорема о предельных вероятностях:...
-
Объектом моделирования является документооборот отдела планирования и экономического анализа Могилевского филиала РУП "Белтелеком". Отдел планирования и...
-
Модели и моделирование - Экономико-математические методы
Одним из основных методов научного познания является эксперимент, а самой распространенной его разновидностью - метод моделирования систем. В процессе...
-
Оценим уравнение объема отгруженных инновационных товаров и услуг на основании данных, взятых из сборников Росстата "Россия. Статистический справочник" и...
-
СПОСОБЫ ОПИСАНИЯ СТРУКТУР. МОРФОЛОГИЯ СОЦИАЛЬНО-ПОЛИТИЧЕСКОЙ И ЭКОНОМИЧЕСКОЙ СФЕР Структурное моделирование. Структурный анализ Основная цель...
-
Отбор и классификация объясняющих переменных Для всесторонней оценки строительной компании в ходе анализа будут использоваться финансовые,...
-
Описание реальных отношений между экономическими объектами и производственными процессами наиболее рационально и в полной мере осуществляется с помощью...
-
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...
Описание данных - Моделирование вероятности банкротства