|
93 Параньгинского и Сернурского. Выше перечисленные районы были выбраны после проведения кластерного и рейтингового анализа, как кризисные. В результате обработке статистических данных была получена следующая корреляционная зависимость: Z = 0,3877 1,0736кп + 0,0579кфз. (9) 'И При Z=0 имеем уравнение дискриминантной границы. Для предприятий, у которых Z=0, вероятность обанкротиться равна 50%. Если Z<0, то вероятность банкротства меньше 50% и далее снижается по мере уменьшения Z. Если Z>0, то вероятность банкротства больше 50% и возрастает с увеличением Z. Знаки параметров ai и а2 классифицирующей функции связаны с характером влияния соответствующих показателей. Параметр ах имеет отрицательное занчение, поэтому чем больше коэффициент покрытия, тем меньше показатель Z и тем меньше вероятность банкротства предприятия. В то же время параметр имеет положительное значение, поэтому чем выше коэффициент финансовой зависимости, тем больше Z и, следовательно, выше вероятность банкротства предприятия. Решение данной модели лучше представить в виде таблицы в приложении 10 и 11. В таблице приведены исходные данные (столбцы 1,2,3,6) и результаты расчетов показателя Z и вероятности банкротства (столбцы 4,5). В силу того, что двухфакторная модель не полностью описывает финансовое положение предприятия, прогнозные (расчетные) и фактические показатели могут расходиться. Так, предприятия колхоз им. Овчинникова имело Z=-0,021 и вероятность банкротства чуть более 0,1% (то есть не должно было обанкротиться, так как имело мало на это шансов), в действительности же это предприятие стало банкротом. В то же время предприятие СХПК «Илсть» имело положительное значения Z и вероятность банкротства 73,3%, но оно сумело избежать банкротства. Прогнозирование банкротства с помощью двухфакторной модели, включающей коэффициенты покрытия и финансовой зависимости, не обес |
Z = 0,3877 l,0736kn + 0,0579кф3. (3.2) При Z=0 имеем уравнение дискриминантной границы. Для предприятий, у которых Z=0, вероятность обанкротиться равна 50%. Если Z<0, то вероятность банкротства меньше 50% и далее снижается по мере уменьшения Z. Если Z>0, то вероятность банкротства больше 50% и возрастает с увеличением Z. Знаки параметров aj и а2 классифицирующей функции связаны с характером влияния соответствующих показателей. Параметр г.\ имеет знак «минус», поэтому чем больше коэффициент покрытия, тем меньше показатель Z и тем меньше вероятность банкротства предприятия. В то же время параметр а2 имеет знак «плюс», поэтому чем выше коэффициент финансовой зависимости, тем больше Z и, следовательно, выше вероятность банкротства предприятия. Прогнозирование вероятности банкротства конкретного предприятия осуществляется следующим образом. Значения дискриминантной функции представляют собой реализацию случайной величины Z. Распределение вероятностей указанной величины аппроксимируется нормальным распределением и далее обычными приемами с помощью таблиц нормального распределения определяются вероятности банкротства для фиксированных значений Z. Решение данной модели лучше представить в виде таблицы 3.1. В таблице приведены исходные данные (столбцы 1, 2, 3, 6) и результаты расчетов показателя Z и вероятности банкротства (столбцы 4, 5). 99 Таблица 3.1 Исходные данные и результаты расчета вероятности банкротства __________ предприятий_________ ____________ Номер предприятия Коэффициент покрытия Коэффициент финансовой зависимости % Показатель Z Вероятность банкротстве!, % Фактическое положение (банкрот или нет) 1 3,6 60 0,779 17,2 Her 2 3,0 20 -2,451 0,8 Нет 3 3,0 60 -0,135 42,0 Нет 4 3,0 76 -0,792 81,2 Да 5 2,8 44 0,846 15,5 Нет 6 2,6 56 0,063 51,5 Да 7 2,6 68 0,758 80,2 Да 8 2,4 40 0,648 21,1 Да 9 2,4 60 0,510 71,5 Нет 10 2,2 28 -1,128 9,6 Нет 11 2,0 40 -0,219 38,1 Нет 12 2,0 48 0,244 60,1 Нет 13 1,8 60 1,154 89,7 Да 14 1,6 20 0,947 13,1 Нет 15 1,6 44 0,442 68,8 Да 16 1,2 44 0,872 83,5 Да 17 1,0 24 0,072 45,0 Нет 18 1,0 32 0,392 66,7 Да 19 1,0 66 2,360 97,9 Да В силу того, что двухфакторная модель не полностью описывает финансовое положение предприятия, прогнозные (расчетные) и фактические показатели могут расходиться. Так, предприятия №8 имело Z=-0,648 и вероятность банкротства чуть более 20% (то есть не должно было обанкротиться, так как имело мало на это шансов), в действительности же это предприятие стало банкротом. В то же время предприятие №9 и №12 имели положительные значения Z (0,510 и 0,244 соответственно) и вероятность банкротства 71,5% и 60,1% соответственно, но они сумели избежать банкротства. 101 Рис 3.1 Дискриминантная линия на корреляционном поле показателей kn и кф3 Прогнозирование банкротства с помощью двухфакторной модели, включающей коэффициенты покрытия и финансовой зависимости, не обеспечивает высокой точности. Это объясняется тем, что данная модель не учитывает влияния на финансовое положение предприятия других важных показателей, характеризующих, например, эффективность использования ресурсов, отдачу активов, деловую и рыночную активность предприятия. |