Заключение - Уровень конкурентоспособности строительных компаний
В ходе проведенного исследования была построена logit-модель вероятности дефолта для непубличных компаний строительного комплекса. Данная модель поможет организаторам тендерных закупок, кредиторам и партнерам оценить конкурентоспособность той или иной строительной организации. Финальная модель, построенная с помощью статистического отбора переменных, после перехода к нормированным шкалам показала отличное прогнозное качество (значение AUC 0,8029). В нее вошли такие объясняющие переменные, как рентабельность активов (ROA), натуральный логарифм чистых активов (Ln_Netassets), оборачиваемость капитала (Turn_assets), имущественное положение (Property_status), фондоотдача (Capital_product), коэффициент предотвращения банкротства строительных организаций (Prevent_bank), фиктивная переменная влияния кризисного года (crisis), фиктивная переменная влияния пост кризисного периода (after_cr), квадратичная форма натурального логарифма чистых активов (Ln_Netassets^2) и квадратичная форма фондоотдачи (Capital_product^2). Данная модель показала устойчивость к переобучаемости. Также для дополнительной интерпретации полученных на ее основе результатов была подготовлена рейтинговая шкала, путем калибровки рейтинговой шкалы S&;P. Если сравнивать итоговую модель с предшествующими исследованиями, то стоит вновь обратить внимание на работу Татьмяниной К. М. (2013), в которой была построена модель вероятности дефолтов публичных строительных компаний. Среди объясняющих переменных той модели значатся: доля запасов в оборотных активах, коэффициент автономии, рентабельность затрат, индекс цен производителей и квадратичная форма доли запасов в оборотных активах. Качество модели в этом случае находится также на отличном уровне, но значение коэффициента AUC больше 0,82, что обусловлено меньшими рисками искажения финансовой отчетности благодаря ежегодному внешнему финансовому аудиту. Таким образом, для оценки публичных и непубличных компаний используются разный набор объясняющих переменных, что в свою очередь подтверждает актуальность и необходимость проведенного исследования.
Также в данной работе был построен ежеквартальный индекс конкурентоспособности строительной отрасли (ИКСО), который позволяет отслеживать ее состояние и динамику в каждом регионе, федеральном округе и стране в целом. Расчет индекса основывается на дистанционной оценке строительных компаний региона, опросе профессионалов отрасли и оценке конъюнктуры рынка. Исходя из полученного значения ИКСО, регион отличается низкой, удовлетворительной или хорошей конкурентоспособностью строительной отрасли. Хороший уровень конкурентоспособности региона, как правило, характеризуется умеренными административными барьерами, высокими социально-экономическими показателями, высокой информационной открытостью отрасли и высоким количеством надежных строительных компаний, что отличает данный регион, как инвестиционно-привлекательный. В качестве рекомендации заинтересованным лицам при оценке конкурентоспособности контрагента (строительной компании) и принятии окончательного решения предлагается использовать комбинацию двух методов: индекс конкурентоспособности строительной отрасли региона и модель вероятности дефолта строительной компании. Так, например, большую надежность должны вверять компании с низкой вероятностью дефолта (высокий рейтинг) и осуществляющие свою деятельность в регионе с хорошей конкурентоспособностью.
Похожие статьи
-
Введение - Уровень конкурентоспособности строительных компаний
Актуальность темы исследования. Строительная отрасль характеризуется огромным количеством потенциальных исполнителей. Полный цикл возведения любого...
-
Предсказательная сила финальной модели - Уровень конкурентоспособности строительных компаний
Итак, будем тестировать модель с наилучшими характеристиками. Прогноз вне выборки проводился на основе тестовой выборки с 805 наблюдениями. В ней...
-
Интерпретация финальной модели - Уровень конкурентоспособности строительных компаний
Перейдем к интерпретации построенной модели для непубличных строительных компаний, так как она представляет не меньший интерес, чем прогнозное качество...
-
Теперь, когда в рамках данного исследования была получена модель с наилучшими характеристиками для непубличных строительных компаний, полученные...
-
Переход к порядковым и нормированным шкалам - Уровень конкурентоспособности строительных компаний
Далее предпримем попытки улучшить качество полученных моделей с помощью поочередного перехода к порядковой шкале и нормированной шкале. Полученные...
-
Поэтапное построение индекса - Уровень конкурентоспособности строительных компаний
Как показывает практика, чтобы любой инструмент стал широко используемым, он должен либо пройти через сито мнений экспертов отрасли, для анализа которой...
-
Отбор и классификация объясняющих переменных Для всесторонней оценки строительной компании в ходе анализа будут использоваться финансовые,...
-
Проверим значимость квадратичной формы переменных для двух полученных моделей. Сначала рассмотрим значимость данных преобразований для первой модели...
-
Итак, модели, которые будут дальше анализироваться, и получены с помощью Первого метода - проведения теста для выделения наиболее дескриптивных...
-
Предпосылки построения индекса Строительная отрасль России характеризуется очень большим объемом строительных компаний и объемом работ, выполненных по...
-
Существует целый ряд классификаций моделей используемых для прогнозирования финансовой несостоятельности заемщиков. В своей работе Григорьева Т. И....
-
Динамика индекса конкурентоспособности - Уровень конкурентоспособности строительных компаний
Ниже можно ознакомиться с первыми результатами расчета всего "семейства" индексов (см. табл. 33 и рис.7): Таблица 33. Значения ИКСО по федеральным...
-
Для дополнительной наглядности полученных результатов предлагается подготовить рейтинговую шкалу, которая отмечала бы, какие значения вероятности дефолта...
-
Для анализа был выбран временной диапазон с 2004 года по 2014 год. В целях построения прогнозной модели собранные годовые данные были разделены на две...
-
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...
-
Для целей проверки гипотезы о значимости рассматриваемых нами институциональных показателей (место нахождения, задолженность по уплате налогов), в...
-
Тест на переобучаемость финальной модели - Уровень конкурентоспособности строительных компаний
Как отмечалось в ходе исследования, logit-модель может характеризоваться сильной зависимостью от обучающей выборки. Поэтому чтобы быть уверенным в...
-
При дальнейшем построении модели воспользуемся таким ограничением, как на каждую объясняющую переменную должно приходиться не менее тридцати наблюдений...
-
Определение критериев события дефолт Строительная отрасль является одним из главных двигателей экономики. В России количество компаний, работающих на...
-
Построение модели с помощью логистической регрессии Прежде чем строить логистическую регрессию, необходимо выбрать конечный набор финансовых и...
-
Заключение - Эконометрика продвинутый уровень
Коэффициент структурной модели могут быть оценены разными способами в зависимости от вида системы одновременных уравнений. Наибольшее распространение в...
-
На следующем этапе в модель были добавлены дамми-переменные годов и отраслей. Таблицы соотношения переменных и данных приведены ниже. Кроме дамми...
-
Метод группировок На основании использования метода группировок изучить структуру явлений и выявить связи и зависимости между явлениями. Исходные данные...
-
Для прогнозирования банкротства, некоторые исследователи создают модели, основанные на использовании искусственных нейронных сетей. Как правило,...
-
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...
-
Заключение - Моделирование вероятности банкротства
Целью данного исследования являлось моделирование вероятности банкротства российских нефинансовых компаний на основе наиболее значимых показателей...
-
Искусственные нейронные сети (ИНС) рассматриваются исследователями как возможная альтернатива статистическим методам. Исследования, использующие ИНС, как...
-
Данная работа опирается на исследования, посвященные проблематике предсказания банкротства компаний. Наибольший интерес в работах предшественников...
-
Введение - Влияние значений финансовых коэффициентов на вероятность банкротства компании
Моделирование вероятности банкротства является широко применимой практической процедурой, которая необходима любой крупной кредитной организации....
-
Далее построим регрессию для оценки уровня воспринимаемой коррупции в зависимости от использования безналичной оплаты и культурных факторов. После...
-
Заключение - Экономико-математические методы прогнозирования
Таким образом, к настоящему времени проведено достаточно много исследований и получены впечатляющие практические решения проблемы прогнозирования в...
-
Заключение - Метод представления знаний в интеллектуальных системах поддержки экспертных решений
Метод обобщенных интервальных оценок, предложенный в настоящей статье, является новым методом представления экспертных знаний в задачах, исходные данные...
-
ЗАКЛЮЧЕНИЕ - Математическая модель роста экономики Краснодарского края
Целью дипломной работы было построение математической модели многосекторной экономики и ее применение на практике. В ходе работы были изучены...
-
Множественный регрессионный анализ, Заключение - Система источников данных о населении
Будем моделировать среднегодовую численность занятого населения с помощью показателей общей численности населения и миграционного прироста Среднегодовая...
-
ЗАКЛЮЧЕНИЕ - Статистическое исследование арендного сегмента рынка коммерческой недвижимости Москвы
Подводя итоги проведенного анализа арендного сегмента рынка коммерческой недвижимости Москвы, можно говорить о решении большинства поставленных задач....
-
Попали в зону положительной автокорреляции. Прогноз Точечный прогноз для Интервальный прогноз с вероятностью 95% Или Точечный прогноз для Интервальный...
-
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 данных Данные для исследования получены из базы Руслана, предоставляемой компанией Бюро Ван Дайк. Эта база содержит данные финансовой отчетности...
-
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,...
Заключение - Уровень конкурентоспособности строительных компаний