Совершенствование анализа финансового состояния предприятия

Контрольный пример программы Audit Expert, включает данные за период, равный одному году. Исходные данные те же: форма № 1, форма № 2. Дополнительных таблиц с исходными данными не предусмотрено.

Текстовое экспертное заключение, которое предусмотрено Audit Expert, уступает заключению «ИНЭК-АФСП» и по объему и по качеству. Заключение помещается всего на двух листах, содержащих около 20 однотипных фраз типа «Удельный вес текущих активов в стоимости имущества предприятия за анализируемый период не изменился, оставшись на уровне ХХ%.»

Остальные отчеты более  содержательны, однако общее количество финансовых показателей значительно уступает «ИНЭК-АФСП» (в соотношении примерно 1:3).¹⁹

  В плане функционального наполнения возможности аналитических программ прежде всего определяются набором формируемых ими результирующих аналитических таблиц и показателей. Рассмотрим другие функциональные возможности указанных программ.

«ИНЭК-АФСП» формирует более 20 таблиц с основными финансовыми показателями, среди которых активы и пассивы аналитического баланса, анализ прибылей и убытков, реформированные аналитические балансы, рентабельность капитала, рентабельность деятельности, оборачиваемость активов, анализ элементов оборотного капитала, финансовая устойчивость, ликвидность, платежеспособность.

Также программой формируются  отчеты с показателями финансового  анализа, расчет которых регламентирован  в нормативных актах.

В Audit Expert результирующая информация представлена в пяти основных формах, среди которых баланс, отчет о прибылях и убытках, показатели неплатежеспособности, финансовые показатели, анализ собственного капитала. В отличие от «ИНЭК-АФСП» данная система имеет возможность наращивания реализуемых функций за счет развитых средств настройки. Благодаря этому существующие наборы выходных форм могут и реализуемых методик могут быть расширены, в сущности, неограниченно.

Система Audit Expert – это инструмент профессионального аналитика, позволяющая реализовать произвольные методики в соответствии с собственными представлениями о проведении финансового анализа.

Гибкая система определения  исходных данных, алгоритмов их обработки и формирования отчетов позволяет пользователю создавать не только уникальные методики анализа, но и определять новые объекты.

Так как функциональное наполнение программы остается открытым для всех и может производиться  не только за счет усилий фирмы-разработчика, но и проявления инициативы «на местах», перспективы развития программы представляются очень широкими. Пользователи и партнеры фирмы нередко делают интересные собственные настройки, отражающие региональную, отраслевую специфику. Что в целом обогащает и развивает систему. Основной недостаток программы состоит в отсутствии возможности учета влияния внешней среды.

Система «ИНЭК-АФСП» на данный момент обладает более мощным функциональным наполнением, что позволяет использовать ее в области финансового анализа и непрофессионалу, который вынужден полностью положиться на реализованные разработчиками методики и предложения, имея незначительные возможности влияния на заложенные в программу алгоритмы анализа. Таким образом, освоить и начать полноценную работу в «ИНЭК-АФСП» гораздо проще, нежели в Audit Expert. Достоинство первой состоит также в том, что в ней есть возможность (кроме вариантов планового и фактического) сравнивать свои показатели со средними данными по отрасли и другим отраслям, учитывать изменение внешней среды. Главный же минус «ИНЭК-АФСП» - ее жесткость, отсутствие пользовательских средств настройки на новые методики анализа.

В заключение заметим, что рассмотренные  программы динамично развиваются, появляются новые версии, обладающие более высокими потребительскими качествами.

Необходимость применения программного обеспечения для проведения анализа финансового состояния предприятий продиктована временем и объемом показателей, используемых при анализе. 

 

3.3. Оценка вероятности  банкротства и меры по улучшению  финансового состояния

 

На основе анализа  финансовой отчетности предприятий в отечественной и зарубежной аналитической практике существуют  различные модели прогнозирования риска деловой несостоятельности.

Более ранние модели прогнозирования  банкротства были одномерными, т.е. построенными на значениях какого-либо одного коэффициента. Впоследствии они стали усложняться за счет вовлечения в модели все большего количества коэффициентов.

Изучив  фирмы, испытывавшие финансовые трудности с 1921 по 1930 г., Р.Смитт и А. Винакор сделали  предположение, что наиболее надежным показателем предстоящего банкротства  является снижение отношения чистого оборотного капитала к сумме активов.²⁰

Сравнение показателей 20 обанкротившихся в период с 1920 по 1929 г. предприятий с показателями 19 предприятий, не потерпевших финансового краха, проведенное П.Г.Фицпатриком, позволило сделать вывод о том, что такими показателями являются отношения прибыли к чистому собственному капиталу и чистого собственного капитала к сумме задолженности.²¹

Изучение В.Б.Хикманом опыта выпуска корпоративных  облигаций за период с 1900 по 1943 г. свидетельствовало, что надежными предсказателями  невыполнения обязательств по корпоративным ценным бумагам (с предсказанием за 5 лет до дефолта) являются коэффициент покрытия процентных выплат и отношение чистой прибыли к объему продаж.²²

Исследование С.Л.Мервином данных по 939 предприятиям за десятилетний период показало возможность предсказания банкротства за 4 – 5 лет до него по динамике трех коэффициентов: коэффициента покрытия процентных выплат, отношения чистого оборотного капитала к сумме задолженности. Перед банкротством наблюдается снижение этих коэффициентов.

Наиболее известное  из ранних исследований по прогнозированию несостоятельности провел В.Бивер. На основе сравнения 79 предприятий-банкротов с 79 конкурентоспособными предприятиями в качестве лучших предсказателей банкротства он выделил пять коэффициентов:

- коэффициент текущей ликвидности (К1 или КТЛ);

- отношение выручки  к совокупному долгу (К2);

- отношение чистой  прибыли к совокупным активам  (К3);

- отношение совокупного  долга к совокупным активам  (К4);

- отношение оборотного  капитала к совокупным активам  (К5).

Динамика указанных коэффициентов у благополучных предприятий и у предприятий-банкротов приведена в таблице 3.1.

Наиболее известной  многомерной методикой прогнозирования  финансовой несостоятельности (неплатежеспособности) предприятий этого типа является Z-счет Эдварда Альтмана. Альтман провел исследование 33 американских компаний в период первой половины 60-х годов по 22 финансовым коэффициентам. Применив многомерный дискриминантный анализ, он отобрал 5 наиболее значимых коэффициентов для построения регрессионной кривой Z-оценок этих коэффициентов в качестве индикатора предсказания возможности банкротства (Z-счет Альтмана):

 

Таблица 3.1

Финансовые  коэффициенты благополучных предприятий  и предприятий с вероятностью наступления финансовой несостоятельности по В.Биверу

Коэффициенты	Благополучные предприятия	Предприятия-банкроты (за 5 лет до банкротства)	Предприятия-банкроты (в момент банкротства)
К1	3,3-3,5	2,4	2,0
К2	0,45	0,15	-0,15
К3	0,1	0,05	-0,2
К4	0,37-0,40	0,5	0,8
К5	0,4-0,42	0,3	0,06

Z= 1,2X1 + 1,4X2 + 3,3X3 + 0,6X4 + 0,999X5,

где Х1 –отношение собственных  оборотных средств к сумме  активов; Х2 – отношение нераспределенной прибыли к сумме активов; Х3 –  отношение прибыли до вычета процентов  и налогов к сумме активов; Х4 – отношение рыночной стоимости  обыкновенных и привилегированных акций к балансовой оценке заемного капитала; Х5 – отношение выручки от реализации к сумме активов.

Zср характеризуется у Альтмана значением 2,675. Диапазон 1,81<Z<2,99 относится к «зоне неведения» затруднительности точного предсказания). При Z < 1,81 – предсказывается высокая вероятность банкротства, при Z> 2,99 – низкая вероятность банкротства. Позднее Альтман получил модифицированный вариант своего уравнения для компаний, акции которых не котируются на бирже, в котором Х4 представляет собой отношение балансовой стоимости собственного капитала к балансовой стоимости заемного капитала. Значения весовых коэффициентов в уравнении изменились и граничное значение высокой вероятности банкротства стало: Z < 1,23.

В 1977 г. Альтман улучшил  результаты первоначального исследования. В своей работе они подробно изучили такие факторы, как капитализируемые обязательства по аренде, применили прием сглаживания данных, чтобы выровнять случайные колебания. Новая модель, названная ими «модель Zeta», способна предсказывать банкротства с высокой степенью точности на два года вперед и с меньшей, но все же приемлемой точностью (от 66 до 70%) на пять лет вперед.

Авторские права на использование  «модели Zeta» принадлежат консалтинговой фирме «Zeta Services», которая за определенную плату предоставляет подробную информацию, в том числе уравнения «модели Zeta», расчет финансовых коэффициентов, различные параметры и другие данные по более чем 2400 предприятиям США с оценкой их деятельности на протяжении десяти и более лет. «Модель Zeta» с определенными изменениями и с учетом специфических условий была опробирована в различных странах, в различных отраслях, в разные периоды времени.

Прямое применение модели Альтмана к прогнозированию несостоятельности российских предприятий, на наш взгляд, не совсем правомерно, по причине иной финансово-экономической среды, различиях в бухгалтерском учете и других особенностей российского бизнеса.

В 1977 г. британские исследователи  Р. Таффлер и Г. Тишоу применили  подход Альтмана и на выборке из 80 британских компаний построили четырехфакторную прогнозную модель финансовой несостоятельности, описываемую следующими уравнением:

Z = 0,53Х1 + 0,13Х2 + 0,18Х3 + 0,16Х4

где Х1 – отношение  прибыли до уплаты процентов и  налогов по текущим обязательствам; Х2 – отношение текущих активов к общей сумме обязательств; Х3 – отношение текущих обязательств к общей сумме активов; Х4 – отсутствие интервала кредитования; Z (или КОСС) – коэффициент обеспеченности собственными средствами.

При Z > 0,3 вероятность банкротства низкая, а при Z  < 0,2 – высокая.

Отметим, что в уравнении  Р.Таффлера и Г.Тишоу переменная Х1 играет доминирующую роль по сравнению с тремя другими. А различительная прогностическая способность ниже по сравнению с Z-счетом Альтмана, в результате чего незначительные колебания экономической обстановки и возможные ошибки в исходных данных, в вычислении финансовых коэффициентов и всего индекса могут приводить к ошибочным результатам.

Несмотря на то, что  прогнозная модель Р.Таффлера и Г.Тишоу построена на более современных данных и не включает в себя рыночную оценку бизнеса (корректировку акций), ее применимость к российским условиям также вызывает сомнения из-за различий в финансово-экономических условиях Великобритании и России, в частности, условиях кредитования промышленности.

Первая французская  модель оценки платежеспособности фирм на основе многомерного дискриминантного анализа было построена в 1979 г. Ж. Конаном и М. Голдером по выборке из 95 малых и средних предприятий Франции, изученных за период с 1970 по 1975 г.:

Z = - 0,16Х1 – 0,22Х2 + 0,87Х3 + 0,10Х4 – 0,24Х5,

Где Х1 – отношение  денежных средств и дебиторской  задолженности к итогу актива; Х2 – отношение собственного капитала и долгосрочных пассивов к итогу  пассива; Х3 – отношение финансовых расходов к выручке от реализации (после налогообложения); Х4 – отношение расходов на персонал к добавленной стоимости (после налогообложения); Х5 – отношение прибыли до выплаты процентов и налогов к заемному капиталу.

Вероятность задержки платежей фирмами, имеющими различные значения показателя Z, приведены в таблице 3.2.

В уравнении Ж.Конана и М. Голдера обращает на себя внимание доминирующая роль фактора Х3 – отношение финансовых издержек к выручке от реализации по сравнению с другими четырьмя коэффициентами. Фактически влияние этого фактора превышает совокупное влияние всех остальных. Работа Ж. Конана и М. Голдера была продолжена аудиторской компанией под руководством М. Голдера, которая построила Z-уравнения для трех отраслей: строительства, оптовой торговли и транспорта.

 

 

Таблица 3.2

Вероятность задержки платежей фирмами, имеющими различные  значения Z.

Z	0,21	0,048	0,002	-0,026	- 0,068	- 0,087	- 0,107	-0,131	- 0164
Вероятность задержки платежа, %	100	90	80	70	50	40	30	20	10