Проверяемый текст
Смирнова, Ирина Викторовна; Методическое обеспечение управления в сельском хозяйстве (Диссертация 2006)
[стр. 79]

решений, а лишь как средство анализа.
Так, по данным Министерства торговли США, коэффициент текущей ликвидности по ряду отраслей и групп предприятий в
2003-2004гг.
имел следующие значения: корпорации производственной
сферьг —1,47; отрасли АПК ( в том числе и сельское хозяйство) 1,25; издательская деятельность 1,67; химическая промышленность 1,30; нефтяная и угледобывающая промышленность —1,00; машиностроение -1,85; производство электрооборудования и электронной техники 1,47; розничная торговля —1,5.
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
того, является ли банкротом предприятие или нет.
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
предприятием-баикротом или не банкротом.
Сопоставление данных, полученных для ряда стран, показывает, что веса в Z-свертке и пороговой интервал
[Zi 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
из-за различий в организационно-технической специфике и системе управления, обладающая каждой своими уникальными конкурентными возможностями, рыночными нишами, стратегиями и целями, фазами жизненного цикла и т.д.
Здесь невозможно говорить о статистической однородности событий, и, следовательно,
применение вероятностных методов, их распространение на все предприятия, а также самого термина «вероятность банкротства» ставится под сомнение.
Другой подход к анализу риска банкротства предприятия, базируется на применении нечетких множеств, стало применяться недавно.
Поэтому в 79
[стр. 46]

46 банков, инвестиционных компаний, партнёров.
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.
Но значения коэффициентов текущей ликвидности и обеспеченности собственными оборотными средствами взято из мировой учетно-аналитической практики.
Данные значения очень жесткие и вряд ли выполнимы для большинства отечественных предприятий.
Так по данным Федерального управления по делам о несостоятельности (банкротстве), значение коэффициента текущей ликвидности в среднем по предприятиям страны в 2003г.
не превосходило 1,4.
В экономике развитых стран нормативные значения подобных коэффициентов дифференцированы по отраслям и подотраслям и, что очень важно, используются не для принятия волевых решений, а лишь как средство анализа.
Так, по данным Министерства торговли США, коэффициент текущей ликвидности по ряду отраслей и групп предприятий в
2003г.
имел следующие значения: корпорации производственной
сферы 1,47; отрасли АПК ( в том числе и сельское хозяйство) 1,25; издательская деятельность 1,67; химическая промышленность 1,30; нефтяная и угледобывающая промышленность — 1,00; машиностроение 1,85; производство электрооборудования и электронной техники 1,47; розничная торговля 1,5.
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.


[стр.,47]

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

[стр.,98]

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

[Back]