Прогнозирование банкротства: основные методики и проблемы

Журов В.А., к.э.н., докторант высшей школы коммерции университета Васеда, Япония 
Источник: Журнал "Финансовый менеджмент"

добавлено: 2011-03-02  
просмотров: 3699

Сегодня во всем мире случаи банкротства, связанные с  банкротством скандалы, так же как  и ущерб от банкротства, достигли небывалого уровня. Согласно статистическим данным в Соединенных Штатах Америки ежегодно регистрируется около 55 000 случаев банкротств (что составляет около 3,65% от общего количества предприятий), во Франции - около 53 000 случаев банкротств (1,89%),  в Германии - около 21 000 случаев банкротств (1,03%), в Великобритании - около 17 000 случаев банкротств (0,67%) и в Японии - около 14 000 случаев банкротств (0,22%) (Claessens and Klapper, 2002).

Банкротство оказывает  влияние на экономику любой страны, поскольку оно ведет к экономическим  потерям не только для держателей акций, менеджмента или персонала, но для многих других предприятий, также  как и к социальным и экономическим  затратам для всего государства.

Высокие потери и  затраты, являющиеся следствием банкротства  предприятий, стали причиной поиска методов идентификации возможной  неплатежеспособности в наиболее развитых странах.  В результате было разработано большое число разнообразных моделей прогнозирования банкротства.

Следует отметить, что вклад российских ученых в  проблему прогнозирования банкротства  предприятий пока незначителен. Эта  ситуация связана прежде всего с  тем, что по ряду очевидных причин, данная проблема стала для российской экономической науки актуальной сравнительно недавно. Думается, что  изучение опыта, накопленного в других странах, является необходимым и  естественным этапом для продвижения  в данной области. Однако вместе с  накоплением статистики банкротств и улучшением доступности финансовых данных, как предприятий-банкротов, так и предприятий-небанкротов, неизбежно встанет необходимость перехода от адаптации зарубежных моделей прогнозирования банкротства к разработке оригинальных моделей на основе данных российских предприятий.

В данной статье предпринята  попытка на основе данных японских компаний детально проанализировать процесс  разработки моделей прогнозирования  банкротства, типичные проблемы, возникающие  у исследователей при этом, а также  возможные пути их решения.

1. Подготовительный  этап к разработке моделей  прогнозирования банкротства

1.1. Определение  параметров статистической выборки

В отраслях чистой науки (таких как химия, физика или  медицина) обычно является возможным  проведение контролируемых экспериментов  в условиях лаборатории. Однако, в  социальных отраслях науки, проведение приближенного к практике эксперимента в контролируемой лабораторной среде  часто является невозможным. Таким  образом, обычно исследователи вынуждены  собрать статистические свидетельства  среди событий реального мира и использовать эти данные для  проверки различных гипотез. Подобный подход обычно используется в исследованиях, связанных с прогнозированием банкротства.  
Остановимся на некоторых проблемах, связанных с процедурой отбора статистических данных или, говоря статистическими терминами, с процедурой поиска выборки для исследования.

Объекты выборки

Исходные данные для данного исследования были собраны  на основе финансовой отчетности крупных  японских предприятий, зарегистрированных на фондовой бирже. В основу выбора открытых компаний как объекта исследования лег ряд причин:

• Одним из очевидных факторов, является доступность данных крупных компаний, чьи акции торгуются на фондовой бирже.
• Данные закрытых мелких компаний менее достоверны. Это связывают, например, с тем, что топ- менеджмент в подобных компаниях менее подвержен контролю, принятие решений в большей степени носит произвольный характер и значительнее зависит от системы вознаграждения.
• Использование данных крупных открытых компаний в большей степени делает возможным сравнение результатов исследования с результатами, полученными для подобных компаний в других странах.

Период выборки

В ряде научных работ, исследователи пытались связать  частоту банкротств с некоторыми макроэкономическими показателями. Так Oota (1996) провел разносторонний анализ взаимосвязи между изменениями в японской экономике и статистическими данными по банкротству предприятий. В частности, на основе регрессионного анализа временных рядов нескольких экономических характеристик финансового и фондового рынков, он сделал вывод, что ВВП, официальная ставка рефинансирования, валютный курс, денежная масса, а также фондовые индексы (Tokyo stock price index и Nikkei stock average) показали статистически значимую связь со статистикой банкротств. На основе вышеизложенного, можно сделать вывод о необходимости однородности базовых экономических условий в течение рассматриваемого периода.

Анализ статистики банкротств японских предприятий в  период с 1971 по 2001 г., свидетельствует  о том, что, начиная с 1992 г., темпы  изменения данного показателя стабилизируются. На основе вышеизложенного, для формирования исходной выборки были выбраны финансовые данные предприятий после 1992 г.

Отраслевая принадлежность предприятий выборки

Обычная экономическая  интуиция подсказывает, что отраслевая принадлежность должна стать важным компонентом при прогнозировании  банкротства по двум причинам:

• Во-первых, предприятия разных отраслей сталкиваются с разными  уровнями конкуренции, и поэтому вероятность банкротства может варьироваться в зависимости от отраслевой принадлежности.
• Во-вторых, предприятия разных отраслей могут иметь разный товарооборот и правила финансового учета, и, как следствие, вопрос сопоставимости некоторых показателей, взятых из финансовой отчетности, становится актуальным.

Доказательства  верности вышеизложенной гипотезы в  условиях японской экономики были получены Oota (1996). Ему удалось наглядно доказать, что изменения в экономических условиях по-разному воздействуют на статистику банкротств в разных отраслях.

На основе вышеизложенного, можно с определенной уверенностью говорить о том, что финансовая информация, используемая при прогнозировании  банкротства, может значительно  варьироваться в зависимости  от отраслевой принадлежности предприятий. Таким образом, желательным является исключение из рассматриваемой выборки  данных компаний тех отраслей, чьи  финансовые характеристики значительно  отличаются от других.

1.2. Сбор необходимых  данных

После определения  основных параметров выборки следующим  этапом стал сбор данных предприятий-банкротов  и предприятий-небанкротов.

Следует отметить, что в большинстве экономически развитых странах проблемы с аналитической  базой практически не существует. Масса данных, в том числе необходимых  для исследования в области прогнозирования  банкротства, доступна как в печатном, так и в электронном виде. В  России, к сожалению, ситуация отлична. Однако думается, что спрос на данную информацию в ближайшее время  будет способствовать появлению  предложения со стороны либо государственных органов, либо частных аналитических агентств.

Данные предприятий-банкротов

Поскольку нет общепринятого  определения термина "банкротство", первым шагом при сборе данных должно стать ясное определение  этого понятия. Например, Beaver (1966) использовал широкое определения термина "банкротство", которое включало в себя невыплату по обязательствам, превышение кредитных ограничений или неоплату дивидендов держателям привилегированных акций. В качестве альтернативы, "банкротство" может быть определено в строго юридическом смысле. Так, Deakin (1972), в качестве несостоятельных рассмотрел компании добровольно объявившие себя  банкротами или те, что были ликвидированы по требованию кредиторов. При написании данной статьи использовалось широкое определение понятия "банкротства", а именно, как ситуация, при которой предприятие претерпевает серьезные финансовые проблемы.

Следующим шагом  в формировании выборки стала  идентификация открытых компаний, ставших  банкротами в период с 1995 по 2002 г. Поскольку  выше было признано обоснованным использование  финансовой отчетности за период после 1992 г., и поскольку обычной практикой  является использование финансовой информации, характеризующей предприятие, по меньшей мере, за три года до банкротства, при формировании выборки предприятий-банкротов  в качестве нижней границы рассматриваемого периода был выбран 1995 год. Аналогичным образом, поскольку необходима определенная уверенность в том, что предприятия-небанкроты не станут банкротами, по меньшей мере, в течение последующих трех лет, в качестве верхней границы рассматриваемого периода был выбран 2002 год. Используя ежегодные отчеты Teikoku Database Bankruptcy (1995-2002), была сформирована выборка из 95 предприятий-банкротов.

На следующей  стадии были исключены предприятия, которые не удовлетворяли описанным  выше отраслевым ограничениям, а также  предприятия, для которых не удалось  собрать финансовые данные за весь рассматриваемый период - от одного до трех лет перед банкротством. В результате из выборки были исключены  данные 20 предприятий.

Данные предприятий-небанкротов

Обычно, после формирования выборки предприятий-банкротов, следующим  шагом является сбор данных предприятий-небанкротов. Здесь мнения исследователей расходятся: по меньшей мере, существует две процедуры отбора данных, а именно,   отбор по подобию (matched sampling) и случайный отбор (random sampling).

Используя отбор  по подобию, исследователь выбирает для каждого предприятия-банкрота аналогичное - обычно по критериям размера и отраслевой принадлежности - предприятие-небанкрот. Цель данного подбора можно объяснить следующим образом: предприятия-банкроты часто непропорционально малы и сконцентрированы в отельных секторах экономики. Если предприятия-небанкроты выбираются на случайной основе, то существенного различия между двумя группами в разрезе размеров и отраслевой принадлежности не избежать. В результате модель больше будет делать различие между большими и мелкими предприятиями, или предприятиями разных отраслей.

С другой стороны, некоторые  исследователи подчеркивают потенциальные  расхождения, вытекающие из использования  отбора по подобию:

• В случае, если критерием отбора является отраслевая принадлежность, размер предприятия или период, за который доступна финансовая отчетность, эти три переменных автоматически исключаются из рассмотрения в качестве переменных.
• Более того, отбор по подобию, приводит к потенциальному расхождению, так как доля открытых предприятий-небанкротов в реальности не 50%, а около свыше 98%. В результате этого расхождения выборка не будет представительной для всей совокупности компаний, и поэтому некоторые из характеристик могут быть либо переоценены, либо недооценены.

Поскольку теоретического доказательства превосходства одной  из двух возможных процедур отбора не существует, а большинство моделей  прогнозирования были получены на основе отбора по подобию, в данном исследовании использовалась именно эта процедура. Для каждой выбранной компании-банкрота, используя Financial Data Base System, была найдена сопоставимая компания-небанкрот по трем критериям: отраслевая принадлежность, размер и период, за который доступна финансовая отчетность предприятия.

Первый критерий сопоставимости был основан на одинаковом коде отраслевой классификации. В качестве показателя размера предприятия  использовался объем совокупных активов предприятия. Поскольку  полное совпадение объема совокупных активов маловероятно, размер данного  показателя для выбранных предприятий-небанкротов был в пределах ±20% от аналогичного для предприятий-банкротов. В случае, когда более чем одно сопоставимое предприятие-небанкрот было найдено, выбиралось то, что имело наиболее близкие показатели к показателям соответствующего предприятия-банкрота. На основе третьего критерия, финансовые данные каждой компании-небанкрота были выбраны за те же три отчетных года, что и для соответствующей пары-банкрота. Это было сделано для того, чтобы собранные данные представляли одинаковый экономический период.

Однако для пяти компаний-банкротов не удалось найти  соответствующие пары компаний-небанкротов, поэтому они были исключены из дальнейшего рассмотрения. В результате процедуры отбора одинаковый набор данных для компаний-банкротов и компаний-небанкротов был сформирован, а именно 70 предприятий для каждой группы. Поскольку каждая из компаний характеризовалась финансовыми данными за три года, можно также сказать, что процедура отбора привела к набору данных из 210 наблюдений компаний-банкротов и 210 наблюдений компаний-небанкротов.

Финансовые коэффициенты

На следующем  этапе, основываясь на изучении предшествующих исследований, был осуществлен выбор  переменных, потенциально полезных для  прогнозирования банкротства. Все  переменные были получены исключительно  на основе анализа балансовых отчетов  и отчетов о прибылях и убытках. В дополнение, для каждого наблюдения с помощью косвенного метода был  рассчитан показатель денежного  потока от операционной деятельности .

Окончательный набор  переменных, выбранных для исследования, включил 82 финансовых коэффициента. ( табл. 1).

Таблица 1- Список финансовых коэффициентов