+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

Повышение эффективности анализа близости к банкротству на основе методов эконометрики

т. 17, вып. 6, июнь 2018

PDF  PDF-версия статьи

Получена: 28.03.2018

Получена в доработанном виде: 02.04.2018

Одобрена: 16.04.2018

Доступна онлайн: 30.06.2018

Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Коды JEL: C01, C13, G33, G34

Страницы: 1178–1196

https://doi.org/10.24891/ea.17.6.1178

Бухарин С.В. доктор технических наук, профессор кафедры экономической безопасности и финансового мониторинга, Воронежский государственный университет инженерных технологий, Воронеж, Российская Федерация 
svbuharin@mail.ru

https://orcid.org/0000-0003-2997-3634
SPIN-код: 9330-2964

Параскевич В.В. студентка 5 курса факультета экономики и управления, Воронежский государственный университет инженерных технологий, Воронеж, Российская Федерация 
viktoriyparaskevic@yandex.ru

https://orcid.org/0000-0003-2598-6673
SPIN-код: 7908-6738

Предмет. Анализируется методика сравнения результатов различных методов оценки степени близости к банкротству. Отмечено, что отсутствие единого подхода не позволяет повысить надежность полученных результатов за счет сопоставления двух или более методов, выявления причин расхождения оценок и соответствующей их коррекции.
Цели. Разработка единого подхода к сравнению результатов различных методов оценки степени близости к банкротству путем введения обобщенного показателя финансового состояния на основе современных методов эконометрики.
Методология. Методы теории экспертных систем, нечетких множеств, анализа иерархий Т. Саати, ранговых статистик, корреляционного анализа.
Результаты. С использованием теории экспертных систем предложен единый обобщенный показатель финансового состояния предприятий. На основе современного метода анализа иерархий для метода Бивера, традиционно оценивающего лишь разрозненные признаки, введено интегральное рейтинговое число, в скоринговом анализе доказана обоснованность выбора весовых балльных оценок, для метода Р.С. Сайфуллина, Г.Г. Кадыкова в целях учета различной значимости признаков в рейтинговом числе введен вектор приоритетов. В итоге показано, что результаты всех трех методов удовлетворяют введенному обобщенному показателю и могут сравниваться с единых позиций. Для сравнения использовались различные модели корреляционного анализа: коэффициент корреляции Пирсона и коэффициент ранговой корреляции Спирмена.
Выводы. Введение обобщенного показателя финансового состояния позволило на единой методологической основе сравнить результаты трех распространенных методов анализа степени близости к банкротству: системы показателей Бивера, скорингового анализа, метода Р.С. Сайфуллина, Г.Г. Кадыкова. Показано, что научно обоснованный выбор весовых коэффициентов обобщенного показателя финансового состояния может быть успешно осуществлен на основе современного метода анализа иерархий. Установлено, что все три метода дают качественно одинаковую картину разделения предприятий на «нормальные» и «неудовлетворительные».

Ключевые слова: банкротство, рейтинг, Бивер, скоринг, корреляция

Список литературы:

  1. Новоселова С.А., Истомина О.А. Анализ финансового состояния при процедуре банкротства: законодательный аспект // Вестник Саратовского госагроуниверситета им. Н.И. Вавилова. 2014. № 8. C. 82–86.
  2. Федорова Е.А., Чухланцева М.А., Чекризов Д.В. Оценка эффективности прогнозирования банкротства предприятий на основе российского законодательства // Финансы и кредит. 2017. Т. 23. Вып. 13. C. 732–746. URL: Link
  3. Анисимов А., Башмаков Д., Устюкова В. Актуальные проблемы правового регулирования банкротства сельских товаропроизводителей // Хозяйство и право. 2013. № 4. С. 64–72.
  4. Bordeianu G.D. et al. Analysis Models of the Bankruptcy Risk. Economy Transdisciplinarity Cognition, 2011, vol. XIV, iss. 1, pp. 248–259.
  5. Хайдаршина Г.А. Комплексная модель оценки риска банкротства // Финансы. 2009. № 2. С. 67–69.
  6. Александрова М.В., Проскурина З.Б. Особенности применения различных методик для предупреждения банкротства отечественных предприятий // Экономика, социология и право. 2014. № 3. С. 12–14.
  7. Любушин Н.П., Черкасова О.Г. Интеграция подходов к анализу устойчивости хозяйствующих субъектов // Экономический анализ: теория и практика. 2013. № 34. С. 2–11. URL: Link
  8. Любушин Н.П., Бабичева Н.Э., Галушкина А.И., Козлова Л.В. Анализ методов и моделей оценки финансовой устойчивости организаций // Экономический анализ: теория и практика. 2010. № 1. С. 3–11. URL: Link
  9. Бойкова А.В. Прогнозирование возможного банкротства предприятия: подходы и модели // Экономические и гуманитарные исследования регионов. 2010. № 4. С. 106–117.
  10. Карпунин А. Развитие методик прогнозирования риска банкротства организаций и их применение в сельском хозяйстве // РИСК: ресурсы, информация, снабжение, конкуренция. 2012. № 4. C. 397–401.
  11. Рыгин В.Е. Модель оценки риска банкротства предприятий металлургической отрасли // Вестник Южно-Российского государственного технического университета (Новочеркасского политехнического института). Сер.: Социально-экономические науки. 2013. № 5. С. 84–91.
  12. Богомолова И.П., Рукин Б.П., Тепикина Е.И. Оценка финансовой устойчивости и платежеспособности промышленных организаций // Экономический анализ: теория и практика. 2006. № 19. С. 5–6. URL: Link
  13. Бердников В.В., Гавель О.Ю. Сравнительный анализ подходов прогнозирования вероятности банкротства коммерческих организаций // Наука и Мир. 2014. № 8. С. 92–96.
  14. Прудников А.Г. и др. Проблемы рейтинговой оценки финансовой деятельности хозяйствующих субъектов аграрной сферы // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2016. № 115(01). С. 20–33. URL: Link
  15. Бухарин С.В., Мельников А.В. Кластерно-иерархические методы экспертизы экономических объектов: монография. Воронеж: Научная книга, 2012. 276 с.
  16. Witten I.H., Frank E., Hall M.A. Data Mining: Practical Machine Learning Tools and Techniques. Burlington, Massachusetts, Morgan Kaufmann, 2011, 664 p.
  17. Саати Т.Л. Принятие решений при зависимостях и обратных связях: аналитические сети. М.: ЛКИ, 2008. 360 с.
  18. Saaty T.L. Relative Measurement and Its Generalization in Decision Making. Why pairwise comparisons are central in Mathematics for the measurement of intangible factors. The analytic hierarchy/network process. RACSAM- Revista de la Real Academia de Ciencias Exactas, Físicas y Naturales. Serie A. Matemáticas, 2008, vol. 102, iss. 2, pp. 251–318. URL: Link
  19. Хорев А.И., Баркалова И.И., Бухарин С.В. Обобщенный показатель и классификация структуры капитала промышленных предприятий // Вестник Воронежского государственного университета инженерных технологий. 2017. Т. 79. № 3. С. 187–193. 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