Лекции_Учет риска банкротства при ВЭД 2
advertisement
Глава 4 Оценка риска банкротства внешнеторгового партнера при экспортном кредитовании Оглавление 4.1. Значение рисков банкротства для формирования политике продаж предприятия, кредитной и инвестиционной политике............................................ 2 4.2. Модели банкротства как инструмент прогнозирования риска банкротства.. 3 4.3. Выявление специализации существующих моделей прогнозирования риска банкротства .................................................................................................................. 8 4.4. Учет риска банкротства при принятии управленческих решений в области политике продаж, инвестиционной и кредитной политике. ................................. 10 4.5. Недостатки применения моделей прогнозирования банкротства для прогнозирования риска банкротства ...................................................................... 14 4.1. Значение рисков банкротства для формирования политике продаж предприятия, кредитной и инвестиционной политике. Предоставление банковского и товарного (коммерческого) кредита как при торговле внутри страны, так и при внешней торговле сложная процедура, важным этапом в которой должен быть анализ потенциальных партнеров. Анализ охватывает оценку финансового состояния предприятия, исследование целевого для заемщика рынка сбыта, юридическую проверку предприятия. Данный анализ проводиться, как правило, при банковском кредитовании. Однако при этом прогнозирование. упускается из виду такой важный раздел как При товарном кредитовании анализ партнера является редким исключением: большинство предприятий этим не занимаются. Значение этого нельзя недооценивать. Отсутствие анализа и прогнозирование финансового состояния таких предприятий при предоставлении товарного (коммерческого) кредитования может привести к ухудшению качества дебиторской задолженности, снижению ее оборачиваемости, появлению просроченной и безнадежной задолженности, что в итоге повлечет проблемы с кредиторской задолженностью. задолженности рассматривается Управление нами в Блоке рисков дебиторской «Управление рисками дебиторской задолженности во внешней торговли» данного конспекта лекций. Все это вызовет снижение прибыли и рентабельности предприятия. Невыполнение прогнозирования финансового состояния предприятий либо некачественное его выполнение при предоставлении кредита банком может привести также к росту просроченной задолженности, ухудшению качества кредитного портфеля, росту резервов, что вызовет падение рентабельности и прибыли банка. Худший результат отсутствия прогнозирования при анализе заемщиков банками наблюдался в 2008-2009 годах. Вследствие финансового кризиса многие заемщики не смогли рассчитываться по кредитам, банки получили проблемы с ликвидностью, а некоторые из них не смогли выполнять обязательства по вкладам. Итак, целью анализа потенциального партнера на предмет прогнозирования его риска банкротства является учет результат этого анализа в своей политике продаж, кредитной и инвестиционной политике. 4.2 Модели банкротства как инструмент прогнозирования риска банкротства Важную роль при анализе партнера играют прогнозирование риска банкротства, анализ которых может осуществляться с помощью моделей оценки риска банкротства. К наиболее известным моделям относятся модели Альтмана, Бивера, Лиса, Дюрана, Таффлера, двух- и четырехфакторные модели, Сайфуллина и Правительства РФ (ФСФО РФ)1. В современной практике финансово-хозяйственной деятельности зарубежных фирм для оценки вероятности банкротства наиболее широкое применение получили модели, разработанные Э. Альтманом и У. Бивером2. Банки могут применять данные методики для проверки своих методик анализа заемщиков и получения альтернативных результатов. Модели могут применяться и при предоставлении товарных кредитов. Предприятия - кредиторы при использовании моделей оценки риска банкротства могут в экспресс-режиме оценивать своих партнеровпредприятий. Модели нацелены на прогнозирование вероятности банкротства предприятия на основе анализа финансовых коэффициентов ликвидности, рентабельности, финансовой устойчивости и деловой активности. Сводная характеристика моделей представлена в таблице 1. Ковалев А.И., Привалов В.П. Безубыточность, кредитоспособность, банкротство // Бизнес, прибыль, право. – 2005. - № 6. – С.12-18. 1 Маслова И.А., Пчеленок Н.В. Методы диагностики вероятности банкротства // Управленческий учет. – 2006. - №2. – С.15-22. 2 Таблица 1. Сводная характеристика моделей оценки риска банкротства предприятий Модель Двухфакторная модель Альтмана Формула Z = - 0,3877 – 1,0736Х1 + 0,0579Х2 Показатель Х1 - коэффициент текущей ликвидности Х2 - доля заемных средств в пассивах Расчет C. 290 (ф. 1) / (c. 690 – с. 640 – с. 650 (ф. 1)) (C. 590 + с. 690 - с. 640 – с. 650 (ф.1)) / с. 700 (ф.1) Пятифакторная модель Альтмана Z = 0,717К1 + 0,847К2 + 3,10К3 + 0,42К4 + 0,995К5 К1 - доля чистого оборотного капитала в активах К2 - отношение накопленной прибыли к активам К3 - рентабельность активов (С. 290 – с. 690 (ф. 1)) / с. 300 (ф. 1) К4 - отношение собственного капитала к величине общих обязательств К5 - коэффициент оборачиваемости активов Коэффициент Бивера С. 490 (ф. 1) / (с. 590 + с. 690 (ф. 1)) Рентабельность активов С. 190 (ф. 2) / с. 300 (ф. 1) * 100% Финансовый Леверидж (С. 690 + с. 590 (ф. 1)) / (с. 300 (ф. 1) * 100% Коэффициент покрытия активов чистым оборотным капиталом (С. 490 – с. 190 (ф. 1)) / с. 300 (ф. 1) Коэффициент покрытия С. 290 (ф. 1) / с. 690 (ф. 1) Коэффициент текущей ликвидности (С. 290 – с. 210 – с. 220 – с. 230 + с. 215 (ф. 1)) / (с. 690 – с. 640 – с. 650 (ф. 1)) Система показателей У. Бивера Скоринговая модель Д. Дюрана Весовые коэффициенты не предусмотрены, итоговый показатель не рассчитывается. Значения показателей сравниваются с нормативными, рассчитанными для трех видов фирм: группа 1 - благополучные компании; группа 2 - вероятность банкротства в течение пяти лет; группа 3 - вероятность банкротства в течение года Весовые коэффициенты не предусмотрены, итоговый показатель не рассчитывается. Классификация предприятий по степени риска осуществляется С. 470 (ф. 1) / с. 300 (ф. 1) Пороговые значения Z > 0,3 - вероятность банкротства велика; –0,3 < Z < 0,3 - вероятность банкротства средняя; Z < –0,3 - вероятность банкротства мала; Z = 0 - вероятность банкротства равна 0,5 Z < 1,23 - вероятность банкротства велика; Z > 1,23 - вероятность банкротства мала С. 140 (ф. 2) / с. 300 (ф. 1) С. 010 (ф. 2) / с. 300 (ф. 1) (С. 190 (ф. 2) + Амортизация) / (с. 590 + с. 690 (ф. 1)) Группа 1 - свыше 0,35; группа 2 - от 0,17 до 0,3; группа 3 - от 0,16 до –0,15 Группа 1 - свыше 6; группа 2 - от 5 до 2; группа 3 - от 1 до –22 Группа 1 - менее 35; группа 2 - от 40 до 60; группа 3 - свыше 80 Группа 1 - свыше 0,4; группа 2 - от 0,3 до 0,1; группа 3 - менее 0,1 Группа 1 - до 3,2; группа 2 - от 3,1 до 2; группа 3 - 1 и менее Класс 1 - 2,0 и выше (30 баллов); класс 2 - 1,98-1,7 (29,9–20 баллов); класс 3 - 1,69-1,4 (19,9–10 баллов); класс 4 - 1,39–1,1 (9,9–1 балл); класс 5 - 1 и ниже (0 баллов) Модель Р. Лисса Модель Р. Таффлера исходя из фактического уровня показателей финансовой устойчивости и рейтинга каждого показателя, выраженного в баллах на основе экспертных оценок: класс 1 - 100 баллов и выше; класс 2 - 99-65 баллов; класс 3 - 64-35 баллов; класс 4 - 34-6 баллов; класс 5 - 0 баллов. Чем выше класс, тем выше риск Z = 0,063К1 + 0,092К2 + 0,057К3 + 0,001К4 Z = 0,53К1 + 0,13К2 + 0,18К3 + 0,16К4 Коэффициент финансовой независимости С. 490 (ф. 1) / с. 300 (ф. 1) Класс 1 - 0,7 и выше (20 баллов); класс 2 - 0,69–0,45 (19,9–10 баллов); класс 3 - 0,44–0,30 (9,9–5 баллов); класс 4 - 0,29–0,20 (5–1 балл); класс 5 - менее 0,2 (0 баллов) Рентабельность совокупного капитала С. 140 (ф. 2) / с. 300 (ф. 1) К1 - доля оборотного капитала в активах К2 - рентабельность активов С. 290 (ф. 1) / с. 300 (ф. 1) К3 - отношение нераспределенной прибыли к активам К4 - отношение собственного капитала к заемному К1 - отношение прибыли от реализации к краткосрочным обязательствам К2 - отношение оборотных активов к сумме обязательств К3 - отношение краткосрочных обязательств к сумме активов К4 - отношение выручки к сумме активов С. 470 (ф. 1) / с. 300 (ф. 1) Класс 1 - 30 и выше (50 баллов); 2 класс - 29,9 - 20 (49,9–35 баллов); 3 класс - 19,9-10 (34,9–20 баллов); 4 класс - 9,9-1 (19,9–5 баллов); 5 класс - менее 1 (0 баллов) Z < 0,037 — вероятность банкротства велика; Z > 0,037 - вероятность банкротства мала С. 140 (ф. 2) / с. 300 (ф. 1) С. 490 (ф. 1) / (с. 590 + с. 690 (ф. 1) С. 140 (ф. 2) / (с. 690 – с. 640 – с. 650 (ф. 1)) С. 290 (ф. 1) / (с. 590 + с. 690 (ф. 1) (С. 690 – с. 640 – с. 650 (ф. 1)) / с. 300 (ф. 1) С. 010 (ф. 2) / с. 300 (ф. 1) Z < 0,2 - вероятность банкротства велика; Z > 0,3 - вероятность банкротства мала Двухфакторная модель Четырехфакторная модель Модель Р.С. Сайфуллина и Г.Г. Кадыкова Методика прогнозирования банкротства ФСФО РФ Z = 0, 3872 + 0, 2614К1 + 1, 0595К2 Z = 8,38К1 + К2 + 0,054К3 + 0,63К4 R = 2Ко + 0,1Ктл + 0,08Ки + 0,45Км + Кпр К1 - коэффициент текущей ликвидности С. 290 (ф. 1) / (с. 690 – с. 640 – с. 650 (ф. 1)) К2 - коэффициент финансовой независимости С. 490 (ф. 1) / с. 300 (ф. 1) К1 - доля чистого оборотного капитала (С. 290-с. 690 (ф. 1)) / с. 300 (ф. 1) К2 - рентабельность собственного капитала С. 190 (ф. 2) / с. 490 (ф. 1) К3 - коэффициент оборачиваемости активов С. 010 (ф. 2) / с. 300 (ф. 1) К4 - норма прибыли С. 190 (ф. 2) / (с. 020 + с. 030 + с. 040 (ф. 2)) Ко - коэффициент обеспеченности собственными средствами Ктл - коэффициент текущей ликвидности Ки - коэффициент оборачиваемости активов Км - коммерческая маржа (С. 490 – с. 190 (ф. 1)) / с. 290 (ф. 1) С. 290 (ф. 1) / (с. 690 – с. 640 –с. 650 (ф. 1)) С. 010 (ф. 2) / с. 300 (ф. 1) Z ≤ 1,3257 - вероятность банкротства очень высока; 1,3257 < Z ≤ 1,5475 -вероятность банкротства высока; 1,5745 < Z ≤ 1,7693 -вероятность банкротства средняя; 1,7693 < Z ≤ 1,9911 -вероятность банкротства низка; Z > 1,9911 - вероятность банкротства очень низка Z < 0 - вероятность банкротства максимальная (90 – 100%); 0 ≤ Z < 0,18 - вероятность банкротства высокая (60–80%); 0,8 < Z < 0,32 - вероятность банкротства средняя (35–50%); если 2 < Z <0,42 - вероятность банкротства низкая (15–20%); Z > 0,42 - вероятность банкротства минимальная (до 10%) Z < 1 - вероятность банкротства велика; Z > 1 - вероятность банкротства мала С. 050 (ф. 2) / с. 010 (ф. 2) Кпр - рентабельность собственного капитала Ктл - коэффициент текущей ликвидности С. 190 (ф. 2) / с. 490 (ф.1) Ко - коэффициент обеспеченности собственными средствами (С. 490 – с. 190 (ф. 1)) / с. 290 (ф. 1) Куп - коэффициент утраты платежеспособности (Ктл факт + 3 / Т можно ли уточнить, что означает Т? * (Ктл факт – Ктл нач)) / Ктл норм Т - отчётный период в месяцах С. 290 (ф. 1) / (с. 690 – с. 640 – с. 650 (ф. 1)) Ктл > 2 - предприятие платежеспособно; Ктл < 2 - предприятие неплатежеспособно Ко > 0,1 - предприятие платежеспособно; Ко < 0,1 - предприятие неплатежеспособно Куп > 1 - в течение трех месяцев предприятие платежеспособно; Куп < 1 - в течение трех месяцев предприятие утратит платежеспособность Квп - коэффициент восстановления платежеспособности (Ктл факт + 6 / Т * (Ктл факт – Ктл нач)) / Ктл норм Т - отчётный период в месяцах Куп > 1 - в течение шести месяцев предприятие восстановит платежеспособность; Куп < 1 - в течение шести месяцев предприятие не восстановит платежеспособность 4.3. Выявление специализации существующих моделей прогнозирования риска банкротства Как можно увидеть из таблицы 1 модели прогнозирования риска банкротства учитывают разные коэффициенты и значимость коэффициентов (веса финансовых коэффициентов) отличаются. Это сужает применимость моделей в различных ситуациях и вводит специализацию моделей при анализе предприятий разной величины и рода деятельности, а также специализацию с учетом цели анализа. Авторами конспекта лекций в своей статье3 предлагается специализация моделей с учетом срока, на который производится прогнозирование риска банкротства, а также с учетом того, для кого производится данный анализ (потенциального инвестора или кредитора). Специализация по срокам прогнозирования риска банкротства: 1. Модели, предназначенные для прогнозирования риска банкротства на короткий срок (до 6 месяцев). Данные модели сориентированы на анализ коэффициентов ликвидности. 2. Модели, предназначенные для прогнозирования риска банкротства на средний срок (от 6 до 12 месяцев). Данные модели сориентированы на анализ коэффициентов оборачиваемости и ликвидности. 3. Модели, предназначенные для прогнозирования риска банкротства на длинный срок (т 1 года до 5 лет). Данные модели сориентированы на анализ коэффициентов финансовой устойчивости. Специализация по целям применения: Модели, предназначенные для анализа предприятий с точки зрения потенциального кредитора. Такие модели делают упор на коэффициентах ликвидности и финансовой устойчивости. Непп А.Н., Демина И.В. Инструменты оценки предприятий –партнеров при банковском и коммерческом кредитовании// Управление финансовыми рисками. 2011. № 2. 123-131 с. 3 Модели, предназначенные для анализа предприятий с точки зрения потенциального инвестора. Такие модели делают упор на коэффициентах рентабельности. При анализе применяемости и специализации Специализация моделей сведена в таблицу 2. Таблица 1 Специализация моделей при прогнозировании риска банкротства Специализация моделей по целям прогнозирования вероятности банкротства Для кредиторов Специализация моделей по срокам прогнозирования вероятности банкротства Краткосрочные Среднесрочные Долгосрочные модели модели модели Для инвесторов коэффициенты ликвидности коэффициенты ликвидности коэффициенты оборачиваемости, коэффициенты ликвидности коэффициенты оборачиваемости, коэффициенты рентабельности коэффициенты финансовой устойчивости коэффициенты финансовой устойчивости, коэффициенты рентабельности На основе анализа таблица 1 и 2 можно прийти к выводу, что некоторые модели могут быть применены одновременно с разными целями. Так, например, методика Сбербанка отнесена нами как к долгосрочным, так и к кратко- и среднесрочным моделям прогнозирования. Модель Лиса представлена в одновременно в двух категориях «среднесрочные для инвесторов» и «среднесрочные для кредиторов». Такая специализация нами определялась в случае, если модель рассчитывает риск банкротства по показателям, сориентированным на разные категории и при этом имеющим относительно одинаковые весовые коэффициенты. Например, методика Сбербанка прогнозирует риск банкротства на основе показателей рентабельности, финансовой устойчивости и ликвидности. При этом больший вес имеют показатели ликвидности - целевого показатель для группы кредиторов при кратко- и среднесрочном прогнозировании, также достаточно высок весь финансовой устойчивости - целевого показателя для кредиторов при долгосрочном прогнозировании. Отметим также универсальность одной из рассмотренных моделей модели Бивера. Объясняется это ее спецификой - отсутствием весовых коэффициентов у анализируемых финансовых показателей. Однако с этим связана и слабость модели: если анализируемое предприятие по рассматриваемым показателям попадает в различные категории риска, модель Бивера не сможет дать однозначного ответа по банкротству такой компании. 4.4. Учет риска банкротства при принятии управленческих решений в области политике продаж, инвестиционной и кредитной политике. Управленческие решения необходимо принимать с учетом различной специализации и погрешности моделей. Последний фактор нельзя сбрасывать с весов: различная специализация моделей и их ориентация на разные коэффициенты приводит к ошибкам в прогнозах. Пол величине погрешности модели нами разделены на три группы: модели с повышенной погрешностью, модели со средней погрешностью, модели со сниженной погрешностью. 1. Модели с повышенной погрешностью. К таким относятся модели с расчетом общего (скорингового коэффициента Z) на основе различных финансовых коэффициентов. Их можно сравнить со своеобразной «кастрюлей», в которой смешиваются различные коэффициент, характеризующие разные стороны деятельности предприятия. Такие модели, сравнивая общий коэффициент Z с разработанной шкалой, приходят к выводу о риске банкротства компании. К таким моделям из рассмотренных относятся модели Альтмана двух и пятифакторная, модель Лиса, Таффлера, 2 факторная и 4факторная модели прогнозирования банкротства, Сайфуллина-Кадыкова. Такие модели однако имеют большое преимущество: при использовании программных средств, например, таких как Excel, MatСad модели со скорнигогвым коэффициентом будут требовать минимум трудозатрат и квалификации аналитика. 2. Модели со средней погрешностью. К таким относятся модели, которые анализируют выбранные финансовые коэффициенты каждый отдельно, сравнивая их каждый со своей разработанной шкалой. Это значительно снижает вероятность ошибки, т.к. финансовые коэффициенты уже не «смешиваются». Однако применение таких модели уже требуют более высокой квалификации и трудо - и время-затрат. К таким моделям из рассмотренных относится модель Бивера. Значительным недостатком таких моделей является невозможность их применения, коэффициенты попадают в в разные том случае, группы/классы если анализируемые платежеспособности (банкротства). Однако даже в таких ситуациях эти модели можно применять в качестве вспомогательных и анализировать только коэффициенты, целевые для данной ситуации (см. таблицу 2 данного блока лекций). 3. Модели со сниженной погрешностью. К таким относятся модели, которые строят прогнозирования риска банкротства в два этапа: этап а) анализируют выбранные финансовые коэффициенты каждый отдельно, сравнивая их каждый со своей разработанной шкалой. В том случае, если исследуемое предприятие попадает по всем параметрам-финансовым коэффициентам в одну группу/класс платежеспособности, анализ риска банкротства этого предприятия заканчивается на данном этапе с присвоением соответствующего риска. Если же исследуемые параметры попадают в разные группы риска банкротства (например, по рентабельности предприятие имеет высший класс платежеспособности – 1 класс, по ликвидности – 2 класс, а по финансовой устойчивости-3 класс) анализ переходит на этап б. этап б) расчет и анализ сводного – скорнигового коэффициента и сравнение его со своей шкалой. Риск банкротства такого предприятия с параметрами из различных групп платежеспособности определяют уже по сводному – скоринговому коэффициенту. К таким моделям из рассмотренных относятся скоринговая методика Дюрана, методика Сбербанка, методика Правительства РФ. Такие модели как и вторая группа со сниженной погрешностью при применении требуют больше трудозатрат и квалификации исполнителей. Отмети, что применение моделей как группы 3, так и 2 возможно автоматизировать, например, через применение, VisualBasic и логических выражений в Excel. Несмотря на то, что среди моделей есть методики, прогнозирующие риск банкротства со сниженной ошибкой, применять при принятии управленческого решения модели из третьей группы в качестве единственной нельзя. Такой вывод можно сделать и в отношении группы 2 и 3 моделей. Однако в отношении группы 2 и 3 в качестве аргумента добавляется еще величина погрешности.Связано это с различной специализацией этих моделей. Таким образом, мы приходим к выводу, что для принятия управленческого решения необходимо применять минимум 3-4 модели, подходящие по специализации к анализируемой ситуации. Так как предприятия часто сталкивается с необходимостью оперативного решения по различным вопросам анализ риска банкротства целесообразно строить по всем моделям одновременно. При этом анализ максимально автоматизировать с применением VisualBasic, логических выражений Ecxel. Такой подход позволит предприятию получать оперативно пролгноз риска банкротства для ращения различных вопросов из области политики продаж, инвестиционной и кредитной политики. При этом для выполнения технической работы возможно привлечения неквалифицированных «дешевых» специалистов. Какие вопросы, возможно решать при помощи моделей банкротства. Где целесообразно учитывать риск банкротства партнера. Приведем лишь примерный перечень таких ситуаций: Из области политики продаж: 1. Возможность предоставления коммерческого кредита (отсрочки платиежа) 2. Выбор вида сделки, в том числе внешнеторговой. Данный аспект мы подробно будем рассматривать в блоке «Выбор вида внешнеторговой сделки и формы оплаты как инструментов минимизации рисков» 3. спользование той или иной формы платежа, в том числе при внешнеторговых сделках. Данный аспект мы подробно будем рассматривать также в блоке «Выбор вида внешнеторговой сделки и формы оплаты как инструментов минимизации рисков». 4. Установление величины наценки для партнера 5. Определение условий поставки товара 6. Применение инструментов минимизации рисков неплатежа. Данный аспект мы подробно будем рассматривать также в блоке «Управление рисками дебиторской задолженности во внешней торговли» Из области политики продаж: 1. Возможность предоставления банковского и коммерческого кредита (отсрочки платиежа). Данный вопрос повторим, т.к. он относится и к области продаж, и к области предоставления кредитов 2. Определения срока кредитования или отсрочки платежа 3. Определение ставки по банковскому и коммерческому кредиту 4. Определение формы и вида банковского и коммерческого кредита 5. Необходимость использования залогов и поручительства при банковском и коммерческом кредитовании 6. Определение продажной стоимости невозвращенной (просроченной) дебиторской задолженности (если все же до этого дошло) 7. Планирование оптимальной отраслевой структуры банковского кредита (при применение данных моделей в отношении прогнозирования отраслевых рисков банкротства) Из области инвестиционной политики: 1. Определение возможности предоставления инвестиций исследуемой компании 2. Определение целесообразности инвестирования в ту или иную отрасль (при применение данных моделей в отношении прогнозирования отраслевых рисков банкротства) 3. Определение срока инвестирования 4. Определение формы инвестирования (прямые или портфельные инвестиции)\ 5. Определение вида ценных бумаг для инвестирования в них (при портфельных инвестициях) 6. Определение нормы доходности при инвестировании (необходим анализ как отраслевых, так и корпоративных рисков банкротства). 4.5. Недостатки применения моделей прогнозирования банкротства для прогнозирования риска банкротства На основе рассмотрения предыдущих разделов настоящего блока проспекта лекций, можно прийти к выводу не просто о целесообразности учета риска банкротства, а о необходимости этого делать. Однако насколько идеально использования для прогнозирования риска моделей банкротства. Имеют ли они недостатки? Да, как и любая модель из любой области науки данные модели обладают минусами. К ним мы отнесем следующие: 1. Модели прогнозируют риск банкротства на основе данных, которые могут относиться к коммерческой тайне компании. Напомним, что лишь открытые акционерные общества обязаны публиковать свою отчетность. Однако данный недостаток устраняется через доступ к общефедеральным базам данных по компаниям. Однако значительная стоимость такого доступа сводит к нолю целесообразность такого обращения ради отдельного анализа отдельного партнера. Впрочем этот фактор дает значительный стимул для развития аутсорсинга такого анализа и деятельности консалтинговых фирм в данной области. 2. Модели банкротства направлены на анализ данных официальной отчетности, которая зачастую не соответствует реальным положениям дел предприятия, которое может в целях минимизации налогообложения искажать данные в официальной отчетности. Однако данный недостаток может быть нивелирован через применение большого числа подходящих для данной ситуации моделей. Дело в том, что так же часто, как и искажение данных компаниями, встречается низкое качество данных искажений. По различным причинам: высокая трудоемкость, низкая квалификация бухгалтеров, такие искажения зачастую не целостны и противоречат друг другу. Это особенно характерно для предприятий малого и среднего бизнеса, где целесообразность прогнозирования риска банкротства наиболее высока. Использование нескольких моделей с одинаковой целевой направленностью, но учитывающих разные параметры, делает в ситуации низкого качества таких искажений возможным их «вылавливания». 3. При применении отдельной модели банкротства велик риск получения недостоверных данных в силу «неправдивости» партнера. Данный риск логически взаимосвязан с предыдущим недостатком однако имеет другие причины и корни. Потенциальный партнер может целенаправленно исказить данные для аналитика. С этим недостатком зачастую сталкиваются банки при предоставлении кредитов. В том случае, если такие искажения будут иметь низкое качество, данный недостаток будет нивелироваться через использования большего числа моделей, как и в минимизации риска предыдущего недостатка. Однако квалифицированное качественное искажение, не позволит аналитику сделать адекватные заключения при применении моделей банкротства. Все же, будем честны, столь высокий профессионализм, встречается у средних и малых компаний достаточно редко. А среди крупных компаний в последнее время устойчив тренд на поддержание и усиление репутации. При искажении же данных такая компания рискует уже своей репутацией. 4. Модели банкротства при прогнозировании не учитывают внешний риски, связанные, с изменением цен на выпускаемую продукцию, курса валют, если предприятие участвует во внешнеторговой деятельности, изменения инфляции, ставок по кредитам и пр. Этот недостаток может быть лишь частично нивелирован через анализ риска банкротства в динамике при различной макроэкономической ситуации. Однако такое решение лишь незначительно повлияет на снижении этого недостатка, который является одним из самых серьезных в моделях банкротства. Необходимость учета этого делает целесообразным расчет и анализ других видов рисков, в том числе валютных, процентных, ценовых и пр. Эти риски мы будем рассматривать в следующих блоках. Учет различных рисков для крупных компаний становится, таким образом, не просто целесообразным, а необходимым. Для среднего и малого же бизнеса в условиях ограниченности ресурсов финансовых, людских, временных, последний аспект становится стимулом для развития аутсорсинга, что подтолкнет деятельность консалтинговых компаний. 5. Модели банкротства направлены на анализ данных бухгалтерского баланса и приложений к нему. В большинстве случаев это формы 1 и 2. Таким образом, не учитывается такой важный фактор как обороты по счету, что является также очень значительным минусом моделей банкротства. Этот недостаток может быть нивелирован только через другие виды анализа. Разобранные недостатки снижают достоверность результатов при применении моделей банкротства. Однако они не умаляют значимость их применения, а лишь делают необходимым грамотное использование таких моделей вместе с другими видами анализа. Обобщим выводы по данному блоку: 1. Анализировать риск банкротства целесообразно при принятии решения из области политики продаж, кредитной и инвестиционной политики 2. Применять модели банкротства целесообразно с учетом их специфика, автоматизировав их использование 3. При применении целесообразно анализировать предприятие по всем возможным моделям для выделения впоследствии при анализе конкретной управленческой ситуации результатов минимум 3-4 подходящих моделей. 4. Прогнозировать риск банкротства возможно как в отношении компаний, так и отношении отдельных отраслей 5. Использовании моделей возможно как банками, страховыми компаниями, коллекторскими агентствами, предприятиями, не связанными с финансовой отраслью. 6. Модели прогнозирования рисков банкротства обладают рядом недостатков, которые могут быть минимизированы через применение большего числа моделей и использования иных видов анализа.
