|
Следует подчеркнуть следующую особенность применения иейросетевых экспертных систем. Исходной информацией для них служит система зависимостей между переменными, при этом фиксируется только факт зависимости одних переменных от других, а не ее вид. Анализ применимости методов для российских предприятий. Оценка финансового состояния предприятий и установления неудовлетворительной структуры баланса довольно просты в применение и используют информацию доступную для внешнего пользователя. Методические рекомендации по проведению экспертизы о наличии (отсутствии) признаков фиктивного или преднамеренного банкротства гак же просты в применении и используют информацию доступную для внешнего пользователя. Но при этом они не решают основной задачи определения банкрот предприятие или нет. Причем, кроме выявления чисто финансовых аспектов кризиса, необходимо оценить и другие аспекты деятельности корпорации, связанные с эффективностью управления. Сопоставление данных, полученных для ряда стран, показывает, что веса в Z-свертке и пороговой интервал [Zj Z2] сильно разнятся не только от страны к стране, но и от года к году в рамках одной страны (можно сопоставить выводы Альтмана о положении предприятий США за 10 лет анализа). Получается что Z методы Альтмана не обладают устойчивостью к вариациям в исходных данных. Статистика, на которую опирается Альтман и его последователи, возможно, и репрезентативна, но она не обладает важным свойством статистической однородности выборки событий. Одно дело, когда статистика применяется к выборке радиодеталей из одной произведенной партии, а другое, когда она применяется к фирмам с различной организационно-технической спецификой, со своими уникальными рыночными нишами, стратегиями и целями, фазами жизненного цикла и т.д. Здесь невозможно говорить о статистической однородности событий, и, следовательно, допустимость применения вероятностных методов, самого термина «вероятность банкротства» ставится под сомнение. Применение нечетких множеств к анализу риска банкротства предприятия стало применяться недавно. Поэтому в настоящее время сложно сказать о достоинствах и недостатках метода. Возможно, проблемы применения данной методики будут связаны с необходимостью задействовать труд эксперта, способного подготовить данные для анализа. Применение нейросетей для прогнозирования банкротства показывает неплохие результаты, но страдает теми же проблемами, что и метод дискриминантного анализа. При значительном изменении внешней среды или 131 |
47 Рекомендации Комитета по обобщению практики аудирования (Великобритания), содержащие перечень критических показателей для оценки возможного банкротства предприятия не имеют четких числовых значений. Они очень абстрактны, и не в состояние провести четкой границы между банкротом или не банкротом. Сопоставление данных, полученных для ряда стран, показывает, что веса в Z-свертке и пороговой интервал [Z Z2] сильно разнятся не только от страны к стране, но и от года к году в рамках одной страны {можно сопоставить выводы Альтмана о положении предприятий США за 10 лет анализа). Получается что Z методы Альтмана не обладают устойчивостью к вариациям в исходных данных. Статистика, на которую опирается Альтман и его последователи, возможно, и репрезентативна, но она не обладает важным свойством статистической однородности выборки событий. Одно дело, когда статистика применяется к выборке радиодеталей из одной произведенной партии, а другое, когда она применяется к фирмам с различной организационно-технической спецификой, со своими уникальными рыночными нишами, стратегиями и целями, фазами жизненного цикла и т.д. Здесь невозможно говорить о статистической однородности событий, и, следовательно, допустимость применения вероятностных методов, самого термина «вероятность банкротства» ставится под сомнение. Применение нечетких множеств к анализу риска банкротства предприятия стало применяться недавно. Поэтому в настоящее время сложно сказать о достоинствах и недостатках метода. Возможно, проблемы применения данной методики будут связаны с необходимостью задействовать труд эксперта, способного подготовить данные для анализа. Применение нейрокомпьютеров для прогнозирования банкротства показывает неплохие результаты, но страдает теми же проблемами, что и метод дискриминантного анализа. При значительном изменении внешней среды или типа предприятия для получения точных данных систему придется переучивать, что потребует использование экспертов. Так же потребуются ква 98 ответ «банкрот» или «не банкрот». После этого можно брать любую фирму, предъявлять ее показатели сети и сеть будет оценивать фирму как «банкрот» или «не банкрот». Вероятность правильного ответа может достигать 80% 97%. Следует подчеркнуть следующую особенность применения нейросетевых экспертных систем. Исходной информацией для них служит система зависимостей между переменными, при этом фиксируется только факт зависимости одних переменных от других, а не ее вид. Анализ применимости методов по прогнозированию банкротства к российским предприятиям Оценка финансового состояния предприятий и установления неудовлетворительной структуры баланса довольно просты в применение и используют информацию доступную для внешнего пользователя. Методические рекомендации по проведению экспертизы о наличии (отсутствии) признаков фиктивного или преднамеренного банкротства так же просты в применении и используют информацию доступную для внешнего пользователя. Но при этом они не решают основной задачи определения банкрот предприятие или нет. Сопоставление данных, полученных для ряда стран, показывает, что веса в Z-свертке и пороговой интервал [Zj Z2] сильно разнятся не только от страны к стране, но и от года к году в рамках одной страны (можно сопоставить выводы Альтмана о положении предприятий США за 10 лет анализа). Получается что Z методы Альтмана не обладают устойчивостью к вариациям в исходных данных. Статистика, на которую опирается Альтман и его последователи, возможно, и репрезентативна, но она не обладает важным свойством статистической однородности выборки событий. Одно дело, когда статистика применяется к выборке радиодеталей из одной произведенной партии, а другое, когда она применяется к фирмам с различной организационно-технической спецификой, со своими уникальными рыночными нишами, стратегиями и целями, фазами жизненного цикла и т.д. Здесь невозможно говорить о статистической однородности событий, и, следовательно, до 99 пустимость применения вероятностных методов, самого термина «вероятность банкротства» ставится под сомнение. Применение нечетких множеств к анализу риска банкротства предприятия стало применяться недавно. Поэтому в настоящее время сложно сказать о достоинствах и недостатках метода. Возможно, проблемы применения данной методики будут связаны с необходимостью задействовать труд эксперта, способного подготовить данные для анализа. Применение нейрокомпьютеров для прогнозирования банкротства показывает неплохие результаты, но страдает теми же проблемами, что и метод дискриминантного анализа. При значительном изменении внешней среды или типа предприятия для получения точных данных систему придется переучивать, что потребует использование экспертов. Так же потребуются кваинфицированные специалисты, способные отличать значительные изменения внешней среды или предприятия от незначительных. 3.2.Методы рейтинговой оценки финансово-экономического состояния предприятия. Существует несколько подходов и методов получения рейтинговой оценки кризисного состояния предприятия. Попытаемся найти ограниченное количество показателей, по которым можно было бы судить о состоянии предприятия, приближенного к кризисному состоянию. [102] Анализируя рассмотренные в 1 главе методики рейтинговой оценки финансово-экономического состояния предприятия, по-видимому, следует остановиться на наиболее существенных моментах, влияющих на объективность оценки: 1. Рейтинговые баллы (проценты) формируются на основе моментных данных формы №1 «Бухгалтерского баланса», то есть характеризуют положение предприятия на дату составления отчётности, которая может существенно отличаться от среднего состояния за отчётный период. 2. Из-за отсутствия нормативных значений показателей рентабельности и деловой активности рейтинговая оценка определяется не полным, а |