+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Проблемы прогнозирования банкротства сельскохозяйственных товаропроизводителей: оценка эффективности законодательства Российской Федерации

т. 16, вып. 12, декабрь 2017

PDF  PDF-версия статьи

Получена: 31.10.2017

Получена в доработанном виде: 10.11.2017

Одобрена: 24.11.2017

Доступна онлайн: 22.12.2017

Рубрика: ФИНАНСОВАЯ УСТОЙЧИВОСТЬ И ПЛАТЕЖЕСПОСОБНОСТЬ

Коды JEL: G17, G33, Q00

Страницы: 2361–2375

https://doi.org/10.24891/ea.16.12.2361

Федорова Е.А. доктор экономических наук, профессор департамента корпоративных финансов и корпоративного управления, Финансовый университет при Правительстве Российской Федерации, Москва, Российская Федерация 
ecolena@mail.ru

Хрустова Л.Е. аспирантка департамента корпоративных финансов и корпоративного управления, Финансовый университет при Правительстве Российской Федерации, Москва, Российская Федерация 
khrustoval@yandex.ru

Чекризов Д.В. главный финансовый аналитик, ЗАО «ГлобалТел», Москва, Российская Федерация 
CHEKrisovDV@mail.ru

Предмет. Сельское хозяйство в условиях действия западных санкций и необходимости импортозамещения заняло значимое место в национальной экономике России. Тем не менее проблема банкротства остается актуальной для отрасли, а анализ действующего законодательства в сфере несостоятельности сельскохозяйственных товаропроизводителей позволил выявить неэффективность применяемой в настоящее время методики оценки финансового состояния.
Цели. Выработка предложений по совершенствованию законодательства Российской Федерации в сфере прогнозирования банкротства сельскохозяйственных товаропроизводителей.
Методология. В исследовании используется методология CART (Classification and Regression Tree), при помощи которой с учетом отраслевой специфики были уточнены нормативные значения финансовых коэффициентов, применяемых при оценке сельскохозяйственных компаний. Всего для выявления оптимальных пороговых значений показателей была проанализирована выборка из 580 компаний, 273 из которых являлись банкротами.
Результаты. Для устранения выявленных на основе проведенного анализа недостатков действующего законодательства были уточнены нормативные значения финансовых показателей, выступающие границей отделения несостоятельных компаний, предложена наиболее оптимальная группировка компаний в зависимости от значений их финансовых показателей с учетом отраслевой специфики сельскохозяйственных товаропроизводителей. Существующая методика была дополнена соотношением совокупных обязательств и совокупных активов, демонстрирующим высокую прогностическую способность, в то время как коэффициент финансовой независимости в отношении формирования запасов и затрат было рекомендовано исключить в связи с низкой точностью предсказания.
Выводы. Реализация предлагаемых изменений методологии приведет к повышению эффективности прогнозирования несостоятельности сельскохозяйственных товаропроизводителей, что будет способствовать своевременному принятию мер, предотвращающих их банкротство.

Ключевые слова: банкротство, прогнозирование, сельскохозяйственные товаропроизводители, нормативы финансовых коэффициентов, законодательство о банкротстве

Список литературы:

  1. Sayari N., Mugan C.S. Industry specific financial distress modeling. BRQ Business Research Quarterly, 2017, vol. 20, iss. 1, pp. 45–62. URL: Link
  2. Hill N.T., Perry S.E., Andes S. Evaluating firms in financial distress: An event history analysis. Journal of Applied Business Research, 2011, vol. 12, iss. 3, pp. 60–71. URL: Link
  3. Keasey K., Watson R. Financial distress prediction models: A review of their usefulness. British Journal of Management, 1991, vol. 2, iss. 2, pp. 89–102. URL: Link
  4. Новоселова С.А., Истомина О.А. Анализ финансового состояния при процедуре банкротства: законодательный аспект // Аграрный научный журнал. 2014. № 8. C. 82–86.
  5. Horta I.M., Camanho A.S. Company failure prediction in the construction industry. Expert Systems with Applications, 2013, vol. 40, iss. 16, pp. 6253–6257. URL: Link
  6. Chiaramonte L., Casu B. Capital and liquidity ratios and financial distress. Evidence from the European banking industry. The British Accounting Review, 2017, vol. 49, iss. 2. pp. 138–161. URL: Link
  7. Lee S., Koh Y., Kang K.H. Moderating effect of capital intensity on the relationship between leverage and financial distress in the U.S. restaurant industry. International Journal of Hospitality Management, 2011, vol. 30, iss. 2, pp. 429–438. URL: Link
  8. Rodano G., Serrano-Velarde N., Tarantino E. Bankruptcy law and bank financing. Journal of Financial Economics, 2016, vol. 120, iss. 2, pp. 363–382. URL: Link
  9. Aguiar-Díaz I., Ruiz-Mallorquí M.V. Causes and resolution of bankruptcy: The efficiency of the law. The Spanish Review of Financial Economics, 2015, vol. 13, pp. 71–80. URL: Link
  10. Илышева Н.Н., Ким Н.В. Математическая модель определения нормативов финансовых показателей // Финансы и кредит. 2007. № 31. С. 80–87.
  11. Федорова Е.А., Чухланцева М.А., Чекризов Д.В. Оценка эффективности прогнозирования банкротства предприятий на основе российского законодательства // Финансы и кредит. 2017. Т. 23. № 13. C. 732–746.
  12. Анисимов А., Башмаков Д., Устюкова В. Актуальные проблемы правового регулирования банкротства сельских товаропроизводителей // Хозяйство и право. 2013. № 4. С. 64–72.
  13. Кучеренко С.А. Применение существующих дискриминантных моделей прогнозирования банкротства в организациях сельского хозяйства // Финансовая аналитика: проблемы и решения. 2008. № 12. С. 46–51.
  14. Карпунин А. Развитие методик прогнозирования риска банкротства организаций и их применение в сельском хозяйстве // РИСК: ресурсы, информация, снабжение, конкуренция. 2012. № 4. C. 397–401.
  15. Li M.Y.L., Miu P. A hybrid bankruptcy prediction model with dynamic loadings on accounting-ratio-based and market-based information: A binary quantile regression approach. Journal of Empirical Finance, 2010, vol. 17, iss. 4, pp. 818–833. URL: Link
  16. Fengyi Lin, Deron Liang, Ching-Chiang Yeh, Jui-Chieh Huang. Novel feature selection methods to financial distress prediction. Expert Systems with Applications, 2014, vol. 41, iss. 5, pp. 2472–2483. URL: Link
  17. Bauer J., Agarwal V. Are hazard models superior to traditional bankruptcy prediction approaches? A comprehensive test. Journal of Banking & Finance, 2014, vol. 40, pp. 432–442. URL: Link
  18. Li H., Sun J. Predicting business failure using forward ranking-order case-based reasoning. Expert Systems with Applications, 2011, vol. 38, iss. 4, pp. 3075–3084. URL: Link
  19. Min J.H., Jeong C. A binary classification method for bankruptcy prediction. Expert Systems with Applications, 2009, vol. 36, iss. 3, part 1, pp. 5256–5263. URL: Link
  20. Hung C., Chen J.H. A selective ensemble based on expected probabilities for bankruptcy prediction. Expert Systems with Applications, 2009, vol. 36, iss. 3, part 1, pp. 5297–5303. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 23, вып. 3, март 2024

Другие номера журнала