|
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, по 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 квалифицированные специалисты, способные отличать значительные изменения внешней среды или предприятия от незначительных. ГЛАВА 2. АНАЛИЗ И ОЦЕНКА ФИНАНСОВО-ЭКОНОМИЧЕСКОГО СОСТОЯНИЯ СВЕТОТЕХНИЧЕСКОГО ХОЛДИНГА % 2.1 Общая оценка и анализ финансово-экономического состояния предприятий светотехнической корпорации (ЗАО «Саранский завод точных приборов», ОАО «Лисма») Электротехническая корпорация представляет собой интегрированную систему с долевым участием в капитале ряда родственных предприятий. В частности, ее можно отнести к группе горизонтальных корпораций, если бы можно было бы выделить централизованный центр управления холдинг. В системе ведется работа по централизации светотехнических активов, однако работа пока не закончена и централизованный контроль над активами данной отрасли отсутствует, за исключением нескольких групп предприятий. Одна из групп светотехнических предприятий базируется в Республике Мордовия. Данная зона хозяйствования включает в себя головное предприятие ОАО «Лисма» и ряд предприятий-сателлитов, в том числе инфраструктурное для холдинга ЗАО «СЗТП». Анализ деятельности корпорации показывает наличие хозяйственных отношений, имеющих льготные параметры на продукции и услуги между элементами этой системы. Однако в последнее время, в связи с общим снижением темпов развития предприятия в целом, резко упали показатели 80 |
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 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 |