Вероятность банкротства: достоверны ли модели прогнозирования?
Ключевые слова:
Банкротство, прогнозирование банкротства, модель прогнозирования, финансовая несостоятельность, строительная отрасльАннотация
Прогнозирование банкротства многие годы находится в сфере интересов широкой группы заинтересованных сторон: регуляторов, инвесторов, кредиторов, рейтинговых агентств, аудиторов, консультантов и менеджмента компаний. В связи с этим разработка новых и совершенствование существующих моделей оценки риска финансовой несостоятельности компаний являются актуальной проблематикой исследований. Целью данной работы является выявление факторов, способствующих банкротству компаний строительной отрасли в России, и развитие подходов к оценке риска наступления их несостоятельности. Выбор отрасли объясняется ростом числа застройщиков, над которыми нависла угроза банкротства в последние годы, и глубокими социальными последствиями банкротств в данном виде деятельности: потеря накоплений широких слоев населения (участников долевого строительства) и невозможность для них улучшить жилищные условия еще длительное время, сокращение рабочих мест значительного числа работников, занятых в этой трудоемкой отрасли. Для достижения поставленной в исследовании цели авторами проведено прогнозирование вероятности банкротства российских компаний строительной отрасли и сделаны выводы об уровне достоверности результатов, полученных на основе традиционных фундаментальных моделей. Проведенное исследование и полученные результаты служат веским аргументом в пользу необходимости разработки и развития новых подходов и моделей для прогнозирования банкротства, целесообразности учета страновой и отраслевой специфики. В статье делается важный шаг в этом направлении: уточнены подходы к выявлению признаков ухудшения финансового состояния и вероятности банкротства, определены ключевые точки контроля, критически важные для прогнозирования возможности банкротства застройщиков и их предупреждения.
Библиографические ссылки
Бобылева А.З. Проведение анализа финансового состояния должника в процедурах банкротства: проблемы и решения // Право и экономика. 2017. № 11. С. 26–31.
Бобылева А.З., Львова О.А. Финансово-экономический инструментарий выявления признаков объективного банкротства // Актуальные проблемы экономики и права. 2020. Т. 14. № 1. С. 22–39. DOI: 10.21202/1993-047X.14.2020.1.22-39
Клочихин Г.А., Полунин Г.М. Использование нейросетевых моделей при прогнозировании банкротства предприятий // Хроноэкономика. 2018. № 2 (10). С. 107–110.
Ковалев В.В. Финансовый анализ: методы и процедуры. М.: 2002.
Коссова Т.В., Коссова Е.В. Оценка кредитного риска компаний российского корпоративного сектора на основе прогнозирования вероятности дефолта по обязательствам // Проблемы анализа риска. 2011. Т. 8. № 2. С. 68–78.
Львова О.А. Возможности и ограничения применения моделей диагностики банкротства для предупреждения несостоятельности // Вестник Московского университета. Серия 6: Экономика. 2021. № 4. С. 73–94.
Макушина Е.Ю., Шихлярова И.А. Моделирование вероятности банкротства российских нефинансовых компаний // Финансы и кредит. 2018. Т. 24. № 1. С. 95–110. DOI: 10.24891/fc.24.1.95
Федорова Е.А., Гиленко Е.В., Довженко С.Е. Модели прогнозирования банкротства: особенности российских предприятий // Проблемы прогнозирования. 2013. № 2 (137). С. 85–92.
Хиггинс Р.С. Финансовый анализ: инструменты для принятия бизнес-решений. М.: Вильямс, 2007.
Шеремет А.Д., Негашев Е.В. Методика финансового анализа деятельности коммерческих организаций. М.: НИЦ «Инфра-М», 2019.
Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. 1968. Vol. 23. Is. 4. P. 589–609. DOI: 10.1111/j.1540-6261.1968.tb00843.x
Bai Q., Tian S. Innovate or Die: Corporate Innovation and Bankruptcy Forecasts // Journal of Empirical Finance. 2020. Vol. 59. P. 88–108.
Beaver W. Financial Ratios as Predictors of Failure // Journal of Accounting Research. 1966. Vol. 4. P. 71–111. DOI: 10.2307/2490171
Beaver W.H., Correia M., McNichols M.F. Financial Statement Analysis and the Prediction of Financial Distress // Foundations and Trends in Accounting. 2011. Vol. 5. Is. 2. P. 99–173. DOI: 10.1561/1400000018
Bernstein L. Analysis of Financial Statements. New York: McGraw-Hill, 2000.
Fedorova E., Ledyaeva S., Drogovoz P., Nevredinov A. Economic Policy Uncertainty and Bankruptcy Filings // International Review of Financial Analysis. 2022. Vol. 82. DOI: 10.1016/j.irfa.2022.102174
Garcia J. Bankruptcy Prediction Using Synthetic Sampling // Machine Learning with Applications. 2022. Vol. 9. DOI: 10.1016/j.mlwa.2022.100343
Heaton J.B. The Altman Z Score Does Not Predict Bankruptcy // AIRA Journal. 2020. Vol. 33. Is. 3. DOI: 10.2139/ssrn.3570149
Jardin P. Dynamic Self-Organizing Feature Map-Based Models Applied to Bankruptcy Prediction // Decision Support Systems. 2021. Vol. 147. DOI: 10.1016/j.dss.2021.113576
Ohlson J.A. Financial Ratios and the Probabilistic Prediction of Bankruptcy // Journal of Accounting Research. 1980. Vol. 18. Is. 1. P. 109–131. DOI: 10.2307/2490395
Platt H.D., Platt M.B. Financial Distress Comparison across Three Global Regions // Journal of Risk and Financial Management. 2008. Vol. 1. Is. 1. P. 129–162. DOI: 10.3390/jrfm1010129
Qu Y., Quan P., Lei M., Shi Y. Review of Bankruptcy Prediction Using Machine Learning and Deep Learning Techniques // Procedia Computer Science. 2019. Vol. 162. P. 895–899. DOI: 10.1016/j.procs.2019.12.065
Shen F., Zhao X., Kou G., Alsaadi F.E. A New Deep Learning Ensemble Credit Risk Evaluation Model with an Improved Synthetic Minority Oversampling Technique // Applied Soft Computing. 2021. Vol. 98. DOI: 10.1016/j.asoc.2020.106852
Shumway T. Forecasting Bankruptcy More Accurately: A Simple Hazard Model // Journal of Business. 2001. Vol. 74. Is. 1. P. 101–124. DOI: 10.1086/209665
Taffler R.J. Forecasting Company Failure in the UK Using Discriminant Analysis and Financial Ratio Data // Journal of the Royal Statistical Society: Series A (General). 1982. Vol. 145. Is. 3. P. 342–358. DOI: 10.2307/2981867
Tian S., Yu Y., Guo H. Variable Selection and Corporate Bankruptcy Forecasts // Journal of Banking and Finance. 2015. Vol. 52. P. 89–100. DOI: 10.1016/j.jbankfin.2014.12.003
Traczynski J. Firm Default Prediction: A Bayesian Model-Averaging Approach // Journal of Financial and Quantitative Analysis. 2017. Vol. 52. Is. 3. P. 1211–1245. DOI: 10.1017/S002210901700031X
Zmijewski M. Methodological Issues Related to the Estimation of Financial Distress Prediction Models // Journal of Accounting Research. 1984. Vol. 22. P. 59–82. DOI: 10.2307/2490859
Загрузки
Опубликован
Как цитировать
Наиболее читаемые статьи этого автора (авторов)
- Титов Иван Андреевич, Бобылева Алла Зиновьевна, Трансформация роли экосистем в контексте современных условий развития цифровой экономики в России , Государственное управление. Электронный вестник: № 98 (2023)
Похожие статьи
- Львова Ольга Александровна, Инструментарий превентивной реструктуризации для предупреждения банкротства компаний , Государственное управление. Электронный вестник: № 98 (2023)
- Микрюков Владимир Олегович, Королёва Арина Витальевна, Шевель Петр Петрович, Возможности и недостатки экспертного прогнозирования результатов выборов (на примере выборов депутатов Государственной Думы Федерального Собрания Российской Федерации восьмого созыва) , Государственное управление. Электронный вестник: № 93 (2022)
- Львова Ольга Александровна , Индикаторы оценки результативности системы управления банкротством в России по данным статистических источников , Государственное управление. Электронный вестник: № 89 (2021)
- Кошевой Олег Сергеевич, Модель логистической регрессии для прогнозирования использования населением портала государственных услуг , Государственное управление. Электронный вестник: № 86 (2021)
- Бобылева Алла Зиновьевна, Аньшин Валерий Михайлович, Построение трансформационных программ перехода бизнеса к работе на принципах устойчивого развития , Государственное управление. Электронный вестник: № 88 (2021)
- Евтянова Дарья Вячеславовна, Искусственные нейронные сети как инструмент планирования экономического развития , Государственное управление. Электронный вестник: № 84 (2021)
- Россошанская Елена Андреевна, Дорошенко Татьяна Андреевна, Самсонова Наталья Александровна, Ли Елена Львовна, Кузнецов Михаил Евгеньевич, Агешина Елена Юрьевна, Агент-ориентированная демографическая модель Дальнего Востока как инструмент поддержки принятия управленческих решений , Государственное управление. Электронный вестник: № 94 (2022)
- Цзоу Синьюй, Инновационная деятельность университетов в современном Китае , Государственное управление. Электронный вестник: № 99 (2023)
- Шевчук Андрей Русланович , Осипов Владимир Сергеевич, Верификация предсказательной и объяснительной силы модели экономического роста Солоу на основе современных статистических данных Германии и Франции (памяти Роберта Мертона Солоу (23 августа 1924 – 21 декабря 2023)) , Государственное управление. Электронный вестник: № 102 (2024)
- Щербаков Артем Сергеевич, Преимущества фактической модели оценки человеческого капитала в целях государственного управления , Государственное управление. Электронный вестник: № 98 (2023)
Вы также можете начать расширеннвй поиск похожих статей для этой статьи.