4.2. Применение модели Альтмана при прогнозе корпоративных банкротств

Чтобы проверить реальность этих ограничений, авторы попытаются проанализировать банкротства на предприятиях станкоинст-рументальной и радиоэлектронной промышленности. В начале 90-х годов данные отрасли прошли процесс приватизации и оказались под воздействием определенных тенденций в экономике (спад

176

объемов производства, инфляция, повышение банковских ставок), которые не учтены и не могли быть учтены в модели Альтмана.

С момента приватизации перед предприятиями в целом встал ряд проблем. Во-первых, спад отрицательно сказался на объеме реализации продукции, что привело к снижению доходов. Во-вторых, произошло сокращение численности работающих на 50%. Наконец, данные отрасли преследовали и подорожание топлива, и рост расходов на содержание и поддержание в рабочем состоянии стареющего оборудования и его замены. Этот фактор усугубил негативное воздействие экономической ситуации на доходы отрасли.

Хотя модель Альтмана не учитывает изменение правовой и экономической ситуации, в которой приходится действовать вышеназванным предприятиям, ниже будет сделана попытка проверить, не сможет ли модель достаточно верно предсказать банкротство на предприятиях станкоинструментальной и радиоэлектронной отраслей в ситуации середины и конца 90-х годов. Если ответ будет отрицательным, авторы попытаются таким образом скорректировать модель, чтобы она давала положительный результат и в отношении названных предприятий.

Целью модели Альтмана является прогнозирование банкротства компании независимо от отрасли еще до финансового краха.

Например, модель Альтмана использует МДА для классификации компаний на две группы: группу с высокой вероятностью банкротства и группу с низкой вероятностью неплатежеспособности. Классификация базируется на характеристиках фирм, выраженных в основных финансовых коэффициентах. Альтман выбрал 22 и сгруппировал их в пять стандартных категорий: ликвидность, прибыльность, левераж, платежеспособность и показатель активности - в пункте 3.1 эти показатели даны в общепринятой российской трактовке. Считалось, что перечисленные категории охватывают все факторы, которые отражают позиции финансового положения фирмы, ее благосостояния. Эти факторы рассматривались как достаточно общие

177

в смысле независимости от временного периода, так что получаемая в результате модель приобретала временную независимость и возможность применения в будущем. Количество отношений было сведено к пяти с тем, чтобы ввести в модель, основанную на статистической значимости, также элементы взаимодействия, точности прогноза, а также суждение специалиста-аналитика. В результате этой процедуры по проверке переменных Альтман создал модель, которая описана в предыдущей главе, при этом надо иметь в виду, что коэффициенты отражают влияние каждой переменной на вероятность банкротства предприятия. Через серию тестов по выборке фирм банкротов и второй выборке фирм, избежавших банкротство, Альтман определил, что Z-счет менее или равный 2,675 предсказывает банкротство предприятия. Фирмы, набравшие по Z-счету близкую к порогу 2,675 были охарактеризованы как «нездоровые». Таким образом Альтман установил зону неопределенности в пределах от 1,81 до 2,99 по Z-счету для фирм, испытывающих затруднения и являющихся кандидатами в банкроты.

Для применения модели Альтмана к станкоинструментальной и радиоэлектронной отрасли была проведена стратифицированная выборка предприятий на основе следующих критериев:

1.

2. Тип предприятия по рынкам реализации и продукции:

а) предприятия, реализующие продукцию на межрегиональном рынке;

б) предприятия, реализующие продукцию на региональном (местном) рынке.

Отбор предприятий был проведен, так чтобы реально отражать профиль станкоинструментальной и радиоэлектронной отрасли, со значительным перевесом в пользу реализующих продукцию на межрегиональном рынке. Соотношение предприятий, реализующих продукцию на межрегиональном уровне к предприятиям местного, регионального значения 2:1 выдержано и в отношении обанкротившихся, и в отношении необанкротившихся предприятий.

Выборка по категориям банкротства включала следующие предприятия, представленные в таблице 4.2.1.

178

Таблица 4.2.1

Выборка предприятий Банкрот Небанкрот ОАО ВЭЛТ(м) ОАО «Эникмаш» (м) ЗАО «ВРТТЗ» (р) ОАО «Воронежский станкозавод» (м)

ОАО «Прометей» (м)

ОАО «Водмашоборудование» (м)

АООТ «Электросигнал» (м)

ЗАО «Метиз» (р)

ОАО «Воронежский механический завод» (м) ОАО «Эталон» (р)

ОАО ВПО по выпуску кузнечно - прессового оборудования (м)* *Примечание: м - межрегиональный рынок, р - региональный (местный) рынок.

Модель была апробирована с целью определения точности на данных от одного до пяти лет, предшествующих банкротству. Временные рамки были следующими:

ОАО ВЭЛТ 1992-1997 годы;

ОАО «Эникмаш» 1993-1998 годы;

ЗАО «ВРТТЗ» 1994-1998 годы.

Для предприятий-банкротов был характерен период 1994-1999 годов. В это же время модель Альтмана была применена и в отношении предприятий-небанкротов.

Будучи примененной к выборке предприятий, модель Альтмана успешно дала прогноз для предприятий в промежутке от одного до пяти лет до фактического события: Z-счет был ниже порогового уровня, равного 2,65, для всех обанкротившихся компаний. Однако точность прогноза модели оказалась неудовлетворительной в отношении предприятий-небанкротов, по которым Z-счет также был ниже 2,65. В лучшем случае, Z-счет свидетельствует, что благополучные предприятия, то есть предприятия-небанкроты, не столь благополучны как предприятия-небанкроты в прочих отраслях промышленности.

Таким образом, модель Альтмана оказалась не в состоянии разграничить предприятия-банкроты и предприятия-небанкроты, по той причине, что выбранные коэффициенты ликвидности, прибыль

179

ности, левеража, платежеспособности и показатель активности не очень существенно отличались в двух рассматриваемых группах предприятий.

Для улучшения модели необходимо выявить иные отношения финансовых и экономических показателей, которые бы значительно различались для банкротов и небанкротов.

На основе анализа финансовых позиций предприятий были апробированы следующие отношения:

1) амортизационные расходы / общие эксплуатационные расходы;

2) доходы / общие эксплуатационные расходы;

3) общие эксплуатационные расходы / затраты на вложенный капитал. Коэффициент износа был выбран как показатель возраста машин и

оборудования и его старения. Авторы исходили из предположения, что чем больше возраст активной части основных средств (выше степень амортизации), тем менее эффективно расходуется топливо, энергия и тем выше эксплуатационные расходы. Однако этот показатель не очень различался для предприятий-банкротов и небанкротов.

Показатель доходности был выбран по той причине, что позволяет увидеть неэффективную деятельность обанкротившихся предприятий. К сожалению, предприятия-небанкроты, также имели этот показатель на уровне, свидетельствующем об их низкой эффективности, и в целом не очень отличались от предприятий-банкротов и по этому показателю.

Третий показатель был выбран на том основании, что предприятия-банкроты имели высокий показатель долговых обязательств. Этот показатель варьировался в пределах от наименьшей величины 9,00 для ЗАО «ВРТТЗ» в 1994-1995 годах до максимального показателя 667,23 для АООТ «Электросигнал» в 1994 году.

В таблице 4.2.2 показаны отношения: общие эксплуатационные расходы / затраты на вложенный капитал для предприятий за пятилетний период.

Авторами было решено, что пороговый показатель Z должен быть сохранен на уровне 2,675 для того, чтобы обеспечить сопоставимость моделей. Таким образом, совокупный «вес» всех коэффици

180

ентов должен оставаться тем же и для скорректированной модели, чтобы в сумме составить 1,064:

Z = 0,012К,+0,014К2+0,ОЗЗКз+0,006К4+0,999К5. Для того чтобы включить новое отношение в уравнение, удельный вес уже имеющихся переменных должен быть соответствующим образом уменьшен, либо имеющаяся переменная (переменные) должна быть выведена из уравнения. После анализа суммарных показателей средневзвешенных переменных для двух групп (банкроты - небанкроты) авторами было решено, что те переменные, средневзвешенные величины которых наиболее близки для двух групп, должны быть выведены из модели.

Таблица 4.2.2

Общие эксплуатационные расходы / затраты на вложенный капитал Предприятия Годы по удаленности от события

1 2 3 4 5 ОАО «ВЭЛТ» 19,99 16,54 25,75 34,02 29,07 ОАО «Эникмаш» 17,39 11,11 15,23 38,62 34,51 ЗАО «ВРТТЗ» 9,0 9,12 15,11 23,34 22,12 ОАО «Воронежский станкозавод» 57,77 134,2 129,15 133,19 41,39 ОАО «Прометей» 20,13 27,05 31,13 30,64 29,03 ОАО «Водмашоборудование» 23,11 28,15 26,73 24,14 21,45 АООТ «Электросигнал» 256,32 194,07 143,15 667,23 217,12 ЗАО «Метиз» 9,37 13,28 19,14 19,17 22,93 ОАО «Воронежский механический завод» 31,25 27,23 25,66 34,99 23,17 ОАО «Эталон» 13,66 13,14 17,54 26,01 26,14 ОАО «ВПО по выпуску кузнечно-прессового оборудования» 48,94 77,13 57,68 59,98 37,09 ОАО «РИФ» 17,99 22,43 22,87 29,34 32,45 Средневзвешенные показатели, то есть первоначальные отношения, помноженные на установленные Альтманом коэффициенты, бы

181

ли сопоставлены по предприятиям-банкротам и небанкротам. Наиболее близкий средневзвешенный показатель был характерен для переменной К5 - объем реализации / всего актива, то есть для показателя активности.

Следующий шаг заключается в том, чтобы определить правильный коэффициент для переменной К5 - отношение общих эксплуатационных расходов к затратам на вложенный капитал, тот же самый коэффициент 0,999 не мог быть применен к новому отношению вследствие его большого цифрового значения, например 667 для АООТ « Электросигнал» в 1994 году.

Таблица 4.2.3

Первоначальная исходная модель Переменные по модели Альтмана Средняя для банкротов за 5 лет Средняя для небанкротов за 5 лет Разница 1 2 3 4 к, -0,18 -0,04 -0,14 к2 + 0,13 + 0,24 -0,11 К3 -0,04 + 0,08 -0,12 К4 + 0,16 + 0,36 -0,20 + 1,24 + 1,16 + 0,08 Z + 1,31 + 1,80 -0,49 Для того чтобы «взвесить» новое отношение, был необходим только малый коэффициент. Было решено, что неиспользованная часть коэффициента 0,999 будет добавлена к переменной с максимальной разницей между двумя группами в исходной модели. В качестве такой переменной была выбрана Кд - отношение курсовой стоимости акционерного капитала к балансовой стоимости долговых обязательств (см. табл. 4.2.3).

После анализа коэффициентов и переменных были разработаны три системы взвешивания для последующего включения в окончательную проверку модели.

182

Новые уравнения имеют следующий вид:

Z = 0,012Ki + 0,014К2 + 0,033К3 + 0,01549К4 +0,05К5, (4.2.1)

Z = 0,012К, + 0,014К2 + 0,033К3 + 0,01549К4 +0,075К5, (4.2.2) Z = 0,012Ki + 0,014К2 + 0,ОЗЗК3 + 0,014991с, +0,01К5. (4.2.3)

Три вновь полученных уравнения были проверены на всех двенадцати предприятиях за весь пятилетний период. В целом, результаты свидетельствуют, что по мере того, как взвешенность пятой переменной сдвигается от 0,01 до 0,05, прогнозирующая сила модели снижается в отношении предприятий-банкротов и возрастает в отношении небанкротов.

Таким образом понадобилось компромиссное решение между правильными прогнозами банкротств и правильными прогнозами их отсутствия. Для сохранения сопоставимости с моделью Альтмана, способной предсказать банкротство по крайней мере за три года до события, уравнение с коэффициентом 0,075 для переменной К5 было выбрано, как удовлетворяющее поставленному условию. Затем это уравнение (4.2.2) было применено к выборке, и рассчитан показатель Z по формуле.

В дальнейшем было проведено сравнение по двум выборкам для определения того, достаточно ли различаются показатели Z для банкротов и небанкротов (см. табл. 4.2.4).

Сравнение выявило, что при уровне значимости в 5 и 10 % средние показатели для двух групп были статистически различны по каждому из пяти лет. При уровне значимости в 2 % средние величины были статистически различны по всем годам за исключением третьего года до банкротства. И, наконец, при уровне значимости в 1 %, средние величины были статистически различны по всем годам за исключением второго и третьего года до банкротства. Скорректированная модель своими результатами значительно превосходят временные результаты исходной модели, для которой средние величины были статистически различными только для двух последних перед банкротством лет при уровнях значимости в 5 и 10 %.

183

Таблица 4.2.4 Сравнение средних величин по двум выборкам (банкротов - небанкротов) Год

до банкротства 1% Z 3,169 2% Z 2,764 5% Z 2,228 10% Z 1,80 1 HI HI HI HI 2 НО HI HI HI 3 но HO HI HI 4 HI HI HI HI 5 HI HI HI HI HO - исходная модель;

HI - скорректированная модель.

Проведенное сопоставление временных результатов позволяет предполагать, что скорректированная модель имеет большую различительную силу, чем исходная.

Скорректированная модель точно прогнозировала банкротство впоследствии обанкротившихся предприятий, по крайней мере, за три года до события. Результаты суммированы в таблице 4.2.5.

Исходная модель Альтмана была в состоянии предсказать банкротство в каждые из пяти лет, предшествующих банкротству. Величина Z для ОАО «ВЭЛТ» и «Эникмаш» предсказывала банкротство в каждый из трех лет, предшествующих банкротству в новой модели. Крах ЗАО «ВРТТЗ», был спрогнозирован по скорректированной модели за 4 года до банкротства. Величина Z для двух предшествующих банкротству лет находилась даже не в зоне неопределенности, что само по себе является показателем неважного финансового состояния, но выше порога в три раза. Однако эти показатели могут быть интерпретированы следующим образом: достаточно благополучные показатели Z для ОАО «ВЭЛТ», равнявшиеся в 1992 году 2,93, а в 1993 году - 2,97, отражают благополучие предприятия до появления на российском рынке зарубежных телевизоров. Только после программы экспансии зарубежных фирм, которая в совокупности с большой задолженностью и высокими процентными ставками способствовала продаже акционерами своих акций фирме «ФИЛИПС», а затем наступил крах ОАО «ВЭЛТ». ОАО «ЭНИКМАШ» также функционировало успешно, пока ставки по кредитам были невысокими. Показатель Z ЗАО «ВРТТЗ» упал ниже порога в 3 раза в 1995 году, через три года после приватизации, отражая высокие эксплуатационные расходы и расходы на выплату процентов.

184

Выборка предприятий, избежавших банкротства, явилась тем материалом, на котором новая модель продемонстрировала свое преимущество по сравнению с исходной моделью Альтмана (см. табл. 4.2.5).

Исходная модель прогнозировала банкротство для всех предприятий в каждый год пятилетнего периода за исключением двух предприятий ОАО «Прометей», АООТ «Электросигнал». Скорректированная модель сделала благополучный прогноз на каждом из пяти лет по следующим предприятиям: ОАО» Воронежский станкозавод»; ОАО «Прометей»; АООТ «Электросигнал»; ОАО «ВПО по выпуску кузнечно-прессового оборудования».

Эти предприятия имели высокое отношение общих эксплуатационных расходов к затратам на вложенный капитал по сравнению с прочими предприятиями, что свидетельствовало об их относительно устойчивом финансовом положении (см. табл. 4.2.2).

Таблица 4.2.5

Сопоставление результатов модели по прогнозу в зависимости от количества лет до фактического события Исходная мо- Скорректированная Предприятия дель модель в Z N В Z N ОАО «ВЭЛТ» 5 0 0 5 6 7 ОАО «Эникмаш» 5 0 0 0 0 2 ЗАО «ВРТТЗ» 5 0 0 0 0 2 ОАО»Воронежский станкозавод» 5 0 3 0 0 1 ОАО «Прометей» 5 1 0 0 2 3 ОАО «Водмашоборудование» 2 0 0 0 0 5 АООТ «Электросигнал» 5 2 0 3 1 0 ЗАО «Метиз» 5 0 0 0 0 5 ОАО «Воронежский механический 5 0 0 3 2 0 завод»

ОАО «Эталон» 5 0 0 3 1 1 ОАО «ВПО по выпуску кузнечно- 5 0 0 з 1 1 прессового оборудования»

ОАО «РИФ» 5 0 0 0 0 5 В - предсказание банкротства;

Z - зона неопределенности;

N - предсказание не банкротства.

185

Остальные предсказания банкротства для предприятий, избежавших банкротства, сделанные исходной моделью Альтмана для всех пяти лет, в скорректированной модели были сокращены до трех, четырех лет.

При этом достаточно плохие показатели Z вполне оправданы, учитывая финансовые затруднения, с которыми пришлось столкнуться этим предприятиям. Для ОАО «Водмашоборудование», ОАО «Воронежский механический завод» снизились соответственно с пяти лет до четырех и с пяти до трех лет. Однако и ОАО «Водмашоборудование», и ОАО «Воронежский механический завод» были вынуждены в 1998 году провести переговоры относительно своих долговых обязательств, поскольку оказались не в состоянии выплатить обязательства по погашению кредитной задолженности. Прогнозы относительно неосуществившегося банкротства предприятий ОАО «Эталон» и ОАО «РИФ» снизились с пяти до трех лет за тот же пятилетний период, но эти предприятия имели высокий показатель отношения общих эксплуатационных расходов к затратам на вложенный капитал. Прогноз относительно ЗАО «Метиз» снизился с пяти до трех лет, хотя ЗАО «Метиз» пришлось выдержать конкурентную борьбу с другими предприятиями, обеспечивающими выпуск мелких скобяных изделий, что ослабило его финансовое положение.

Таким образом, модель, предложенная Эдвардом Альтманом, оказалась неспособной дать правильный прогноз относительно банкротства - небанкротства выбранных предприятий. Анализ экономического положения и финансового состояния предприятий, включенных в выборку, позволил скорректировать исходную модель дополнительным компонентом, имеющим ключевое значение для того, чтобы модель могла правильно прогнозировать успех или банкротство предприятия, а именно, отношением: общие эксплуатационные расходы / затраты на вложенный капитал. Это отношение отражает состояние долгов предприятия. В середине и конце 90-х годов многие предприятия имели высокую кредиторскую задолженность наряду с высокими эксплуатационными затратами.

Преимущество скорректированной модели подкрепляется еще и тем фактором, что для четырех из девяти предприятий, избежавших банкротства, число предсказаний банкротства изменилось с одного-пяти до нуля в течение рассматриваемого пятилетнего периода. Остальные пять предприятий, избежавших банкротства, действительно

186

находились в бедственном положении, чем объяснялись их низкие Z-величины. Крах обанкротившихся предприятий был предсказан, по крайней мере, за три года до самого события, тогда как исходная модель могла предсказывать банкротство за пять лет. Таким образом был достигнут компромисс между необходимостью достаточно надежно предсказывать как успех, так и банкротство.

Сравнение на значимость средних величин было улучшено при применении новой модели. При уровне значимости в 5 и 10 % средние двух групп (банкроты-небанкроты) были статистически различны в каждый из пяти лет в отличие от исходной модели, в которой эти величины были различны только по двум годам, предшествовавшим банкротству.

Модель Альтмана'не смогла включить все из тех факторов, которые могут предвещать успех или неудачу предприятий. Однако модель Альтмана может быть скорректирована таким образом, что приобретает способность отражать ключевые характеристики конкретной отрасли и использоваться для прогнозирования банкротства-небанкротства при статистической надежности. Основным ограничителем этой модели, как и всех прочих моделей, является то, что прогноз будет надежным лишь до тех пор, пока в рассматриваемой отрасли не начнутся существенные структурные изменения. Модель достаточно жизнеспособна, чтобы сохранить свою прогнозирующую силу при менее значительных изменениях в экономике вообще и в конкретной отрасли в частности. Крупные изменения могут повлечь за собой пересмотр отклонений и перерасчет коэффициентов.

В третьей главе упоминалось несколько работ, в которых, рассматривалась эффективность дискриминантного анализа при оценке заявок на потребительские займы, что наводит на мысль о полезном расширении сферы применения модели, созданной для прогнозирования банкротств. Оценка производственных займов является важной областью деятельности, особенно для вовлечения в кредитование коммерческих банков. Многочисленные дальнейшие исследования [126, 129, 131] были посвящены деятельности специалистов по кредитованию, вплоть до построения эвристической модели, описывающей деятельность специалиста в отделе кредитов банка, на основе которой была разработана компьютерная модель, имитирующая поведение специалиста. Несомненно, анализ финансового отчета предприятия-заявителя представляет собой лишь одну сторону всей про

187

цедуры по оценке, хотя и очень важную сторону. Быстродействующий и эффективный инструмент, определяющий предприятия с высокой вероятностью банкротства, даст возможность эксперту по кредитованию избежать потенциально опасных решений. Очевидно, коммерческие банки остро нуждаются в получении максимума информации, чтобы избежать займов, по которым в конечном итоге будет объявлен дефолт. В следующем пункте будет рассмотрена цена таких решений.

Могут возникнуть некоторые вопросы при рассмотрении переменных модели множественного дискриминантного анализа (МДА) и тех переменных, которыми оперирует аналитик в отделе кредитования. Р. Робинсон перечисляет несколько переменных, которыми оперирует аналитик, включая ликвидность, материальные запасы, размеры активов, чистую стоимость предприятия, прибыль. Коэн и другие в свои модели включили ликвидность, прибыльность и платежеспособность в ту часть программы, которая связана с оценкой кредитов. Авторы отмечают, что хотя их модель используется компьютером для того, чтобы имитировать ситуацию, статистический анализ финансовых отчетов с целью получения рейтинга не проводится. Они пишут, что на сегодня еще не получены данные, однозначно свидетельствующие о применимости многовариантного статистического метода к анализу кредитоспособности по производственным займам.

Следует отметить, что МДА действительно содержит многие переменные, общие с оценкой заявок на промышленный заем; соответственно, дискриминантный анализ используется для оценки последних. Таким образом, имеется определенный потенциал использования предложенной модели и в сфере бизнеса.

Поскольку такие важные для заявок на промышленный заем переменные, как предназначение займа, срок погашения, предлагаемые гарантии покрытия, депозитный статус заявителя, а также частные характеристики банка не рассматриваются явно в модели, МДА не следует использовать как единственное средство кредитной оценки. Индекс дискриминантного показателя Z может быть использован всего лишь как вспомогательный инструмент, использование которого снижает затраты на анализ финансового состояния заявителя. Предприятия с высоким показателем Z требуют значительно меньше времени и усилий по сравнению с имеющими низкий показатель, сигнализирующий о необходимости исключительно детального анализа.

188

Такая политика, несомненно, может быть рекомендована тем экспертам по предоставлению кредитов, которые имеют определенную степень доверия к дискриминантно-аналитическому подходу, но в то же время не желают в своем окончательном решении зависеть от сухого цифрового показателя. Метод мог бы также оказаться весьма эффективным при краткосрочных займах и займах на незначительную сумму, когда обычная процедура оценки слишком дорога относительно размеров ссуды.

В этом заключаются важные преимущества скорректированной модели множественного дискриминантного анализа: ее простота и низкая стоимость.