WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 || 3 |

В третьей главе разработан подход к применению нейронных сетей в процессе управления платежеспособностью предприятия. Нейронные сети для принятия решения в процессе управления платежеспособностью были построены с использованием пакета MatLab. Для поставленной задачи был выбран тип сети – персептрон с одним нейроном, функцией активации Hardlim и правилом настройки Learnp. В качестве обучающей и контрольной выборки были выбраны финансовые показатели тех же предприятий. В качестве тестирующей выборки использованы сведения о платежеспособности тех же предприятий год спустя. Разработан подход к формированию антикризисного управления предприятием в случае опасности некредитоспособности предприятия, основанный на ранжировании эластичностей результирующего показателя линейной модели по различным исходным факторам.

Основные положения, выносимые на защиту:

1. Выработаны требования, обосновывающие необходимость учета отраслевой специфики при диагностике неплатежеспособности предприятия, для принятия решений при антикризисном управлении предприятием.

При диагностике неплатежеспособности предприятия особое значение имеют особенности отрасли производства. Поскольку экономическое положение в отраслях экономики различно (традиционно небольшая доля убыточных организаций в нефтедобывающей и нефтеперерабатывающей, газовой промышленности, черной металлургии, торговле - не более 17%, а в сельскохозяйственном секторе до 50%-58% составляют убыточные предприятия), применение единого критерия ко всем предприятиям без учета отраслевых особенностей при диагностике неплатежеспособности некорректно. Сельскохозяйственная отрасль находится в большой зависимости от природно-климатических условий, в отличие от остальных отраслей экономики. При диагностике неплатежеспособности предприятия необходим учет отраслевой специфики.

Рассмотрим наиболее широкое распространенные подходы к диагностике неплатежеспособности предприятия.

Широко применяемый на практике анализ финансовых расчетных показателей (коэффициентов) страдает существенными недостатками. В частности, в большинстве случаев показатели, оцениваемые при анализе, однозначно нормировать нельзя. Это связано со спецификой отраслей экономики, с состоянием экономической среды, в которой они функционируют.

Зарубежные методики (модели Альтмана, Лиса, Таффлера, Лиса, Спрингейта, Фулмера и другие) не учитывают особенностей российской экономики, а также отраслевую специфику. Модели для прогнозирования банкротства предприятий в России должны строиться на иной группировке показателей.

Модели, разработанные российскими учеными: Р.С. Сайфуллиным и Г. Г.

Кадыковым, О.П. Зайцевой, М. А. Хайдаровой, Г.В.Давыдовой, А.Ю.Беликова, содержат данные, недоступные в публичной отчетности (интегральные затраты, себестоимость). Кроме того, как и предыдущие подходы, они не учитывают отраслевую специфику.

Построенные в работе линейные модели диагностики неплатежеспособности предприятия по отраслям показали надежность 60- 70%, по существующим моделям - 35-40%. (см. таблицы 1, 2).

Таблица 1 - Надежность прогноза по существующим моделям Модель Надежность прогноза, % Модель Альтмана Модель Спрингейта Модель Тоффлера Таблица 2 - Надежность прогноза неплатежеспособности по полученным моделям, учитывающим отраслевую специфику Отрасль Надежность прогноза, % Сельское хозяйство Торговля Пищевая промышленность Строительство Топливно-энергетический комплекс Сфера услуг 2. Разработана методика выделения наименьшего числа существенных относительных показателей неплатежеспособности, отличающаяся тем, что при ее построении используются основы корреляционного анализа и алгоритм построения минимального покрытия графа выделенных показателей. Число показателей, характеризующих неплатежеспособность, уменьшается для исключения дублирования информации, и тем самым, снижения трудоемкости принятия решений при антикризисном управлении предприятием. Относительные показатели позволяют обеспечить корректность принимаемых решений при антикризисном управлении разных по масштабу предприятий.

Для определения состава показателей, характеризующих финансовое состояние предприятия, выделены соответствующие факторы. Для корректного сравнения данных о финансовом состоянии как мелких, так и крупных предприятий использовались относительные величины. Для исключения дублирования информации и уменьшения числа показателей, характеризующих финансовое состояние предприятия, разработана методика выделения наименьшего числа существенных показателей, основанная на построении минимального покрытия графа, вершинами которого являются выделенные показатели, а дуги соответствуют парам показателей, коэффициенты корреляции между которыми по модулю больше 0,5 (шкала Чеддока). Рассматривается следующая система факторов (табл. 3).

Таблица 3 – Рассматриваемая система факторов Показатель Наименование показателя p1 оборотные активы p2 краткосрочные обязательства p3 запасы p4 денежные средства p5 объем реализации p6 основные средства p7 собственный капитал p8 дебиторская задолженность(платежи по которой ожидаются в течение 12 месяцев после отчетной даты) p9 дебиторская задолженность(платежи по которой ожидаются более чем через 12 месяцев после отчетной даты) p10 баланс p11 долгосрочные обязательства p12 краткосрочные финансовые вложения p13 прибыль до налогообложения p14 внеоборотные активы p15 затраты в незавершенном производстве Источником данных является публичная отчетность: бухгалтерский баланс (форма №1); отчет о прибылях и убытках (форма №2). Рассмотренная система факторов охватывает широкий круг сведений, который важен для пользователей финансовой отчетности при диагностике неплатежеспособности.

Чем значительнее размер денежных средств на расчетном счете, тем с большей вероятностью можно утверждать, что предприятие располагает достаточными средствами для текущих расчетов и платежей. Собственный и заемный капитал характеризуют структуру источников средств, степень зависимости предприятия от внешних инвесторов и кредиторов. Платежеспособность находится в прямой зависимости от прибыли, выручки от реализации.Чистые текущие активы, краткосрочная дебиторская задолженность, долгосрочная дебиторская задолженность, запасы отражают способность предприятия вовремя выполнить обязательства. Большие суммы запасов, долгосрочной дебиторской задолженности негативно сказываются на предприятии. На основе выделенной системы факторов (таблица 3) сформирована следующая система показателей таким образом, чтобы каждый из факторов входил в какиелибо показатели (расширенная система показателей, использующихся в моделях типа Альтмана):

p6 p13 p3 p8 + p9 p4 p11 p1 p1 - p2 p1 - px1 = ; x2 = ; x3 = ; x4= ; x5 = ; x6 = ; x7 = ; x8= ; x9= ;

p9 p1 p1 p1 p1 p1 p2 p3 + p14 pp10+ pp4 p7 p10 p7 p10 p5 p1 px10= ; x11= ; x12= ; x13= ; x14= ; x15 = ; x16 = ; x17 = ; x18 = ;

p1 - p2 p9 p9 p9 p9 p7 p7 p5 pp12 p1 - px19 = ; x20 = p5 pТаблица 4 - Среднеотраслевые значения факторов Наименование Сельское Торговля Пищевая Строительство ТЭК Сфера показателя хозяйство промышленность услуг 25270 30324 33356 366920 403612 p15795 18954 20849 229343 252278 p3124 3749 4124 45360 49897 p0 0 0 0 p20981 25177 27695 304644 335109 p8546 10255 11281 124088 136497 p45420 54504 59954 659498 725448 p1321 1585 1744 19181 21099 p65320 78384 86222 948446 1043291 p5860 7032 7735 85087 93596 p5632 6758 7434 81777 89954 p8932 10718 11790 129693 142662 p1325 1590 1749 19239 21163 p Всего рассмотрено 350 предприятий, из которых 210 нормально работающие предприятия, 140 - банкроты.

Каждое предприятие характеризуется показателями: xij - значение j-го показателя у i-го предприятия (i = 1...N; j = 1...p).

Для исключения дублирования информации предложен методика выделения наименьшего числа существенных относительных показателей для каждой отрасли.

1. Вычисляются коэффициенты парной корреляции между показателями.

2. Строится граф, вершинами которого являются показатели, причем вершины являются смежными, если коэффициент корреляции между показателями достаточно велик (по модулю не менее 0,5-шкала Чеддока). Большие значения коэффициентов корреляции свидетельствуют о дублировании информации в показателях, характеризующих финансовое состояние предприятия.

3. Формируется минимальное вершинное покрытие построенного графа. На рис. 1 изображен граф показателей для отрасли «Сельское хозяйство», жирным выделено минимальное покрытие.

11 Рисунок 1- Граф показателей для отрасли «Сельское хозяйство» В таблице 5 приведены минимальные семейства показателей для рассматриваемых отраслей:

Таблица 5- Минимальные семейства показателей отраслей Сельское Торговля Пищевая Строительство ТЭК Сфера хозяйство промышленность услуг Показатели x1; x3; x5; x8; x9; x1; x3; x8; x10; x1; x2; x3; x4; x6; x7; x1; x3; x5; x6; x8; x1; x4; x5; x1; x3; x5; x6;

x15; x17; x19 x12 ;x17 x9; x12; x13; x16; x18 x10; x11; x12; x13; x6; x7; x8; x9; x7; x9; x10;

x17; x18 x10; x11; x13; x16; x19;

x17; x18 x3. Разработана методика построения моделей диагностики потенциальной неплатежеспособности предприятия, основанная на теории распознавания образов и линейной оптимизации, и на ее основе построены модели диагностики неплатежеспособности для принятия решений в процессе управления антикризисного предприятиями РБ различных отраслей (сельское хозяйство, торговля, пищевая промышленность, строительство, топливно-энергетический комплекс, сфера услуг). Проведена оценка эффективности полученных моделей.

Рассматривается выделенная на предыдущем шаге система показателей: xi, i=1..k, k- количество показателей. В качестве интегрального показателя, характеризующего финансовое состояние предприятия, принимаем линейную функцию от описанных показателей: Z=aixi (разделяющая функция).

Имеются статистические данные о финансовом состоянии предприятий отрасли к некоторому моменту времени и выделены неплатежеспособные предприятия. Финансовые показатели платежеспособных предприятий обозначим через xij (i=1..k, j=1..n), где n – число предприятий, оцениваемые как платежеспособные; неплатежеспособных - через yij (i=1..k, j=1..m),: где m – число предприятий, оцениваемые как неплатежеспособные, где i -номер показателя, j-номер предприятия.

Целью формирования модели является подбор коэффициентов ai, при которых показатель Z позволяет разделить платежеспособные и неплатежеспособные предприятия. Разделив все коэффициенты ai на максимальный по модулю, можно считать, что | ai | <=1.

Для вычисления коэффициентов ai рассмотрена задача линейного программирования (1):

Найти значения a1,...,ak,u,v, удовлетворяющие следующим условиям:

u-vmax u-vai xij u (i=1..k j=1..n) (1) ai yij v (i=1..k, j=1..m) -1ai1 (i=1..k) Значение u в оптимальном решении задачи (1) равно минимальному значению функции Z для платежеспособных предприятий, v – максимальному значению Z для неплатежеспособных предприятий. Этот случай приведен на рис. 2.

Z a Рис. 2-Разделение платежеспособных и неплатежеспособных предприятий Максимизация расстояния между разделяющими граничными гиперплоскостями (в случае их существования) по нашему мнению обеспечивает наиболее надежное разделение платежеспособных и неплатежеспособных предприятий.

Если задача (1) не имеет решения, то целесообразно рассмотреть модифицированную задачу (2):

u-v max u-vai xij u (i=1..k, j=1..n) (2) ai yij v (i=1..k, j=1..m) -1ai1 (i=1..k) Этот случай проиллюстрирован на рис. 3.

Z a Рис. 3- Неустойчивое разделение платежеспособных и неплатежеспособных предприятий В этом случае предприятия, для которых значение Z попадает между u и v не подлежат устойчивой идентификации. С точки зрения платежеспособности их целесообразно отнести к неустойчивым.

На рисунках 2 и 3 по осям отложены значения показателей, платежеспособные предприятия помечены кругами жирным маркером, неплатежеспособные – тонким.

Задача линейной оптимизации решалась с помощью Microsoft Excel.

Для предприятий пищевой промышленности, торговли, строительства, сельского хозяйства, топливно-энергетического комплекса и сферы услуг республики Башкортостан получены следующие результаты:

Модели оценки платежеспособности предприятий выглядит следующим образом:

1. Сельское хозяйство Z=x1+ x3+ x5+0,05 x8-0,17x9+ x15+0,07 x17+0,72 xЕсли Z>3,19 – предприятие относим к платежеспособным Если Z<-9,57 – предприятие неплатежеспособно Если -9,57 Z 3,19 – предприятие неустойчивое.

2. Торговля Z=x1+x3+ 0,02x8+0,03x10+x12+0,04*x17, Если Z>0,75 – предприятие относим к платежеспособным Если Z<1,12 – предприятие неплатежеспособно Если 0,75 Z 1,12 – предприятие неустойчивое.

3. Пищевая промышленность Z=0,003x1+0,02x2+0,45x3+x4-0,12x6+0,01x7+0,005x9+0,35x12+x13+0,015x16+0,21x18, Если Z>1,09 – предприятие относим к платежеспособным Если Z<0,85 – предприятие неплатежеспособно Если 0,85 Z 1,09 – предприятие неустойчивое.

4. Строительство Z=0,88x1+x3 +x5+x6+0,03*x8+0,17x10+x11+x12+x13 +0,013x17+x18, Если Z>5,8 – предприятие относим к платежеспособным Если Z<0,9 – предприятие неплатежеспособно Если 0,9 Z 5,8– предприятие неустойчивое.

5.Топливно – энергетический комплекс Z=x1+x4 +x5+0,4x6 +0,002*x9+0,2*x10-0,15x11+x17+0,58x20, Если Z>0,83 – предприятие относим к платежеспособным Если Z<-2,46 – предприятие неплатежеспособно.

6.Сфера услуг Z=x1+x3+x5+x6-0,18*x7+0,06*x9+x10+x13-0,01*x16+x19-0,27*xЕсли Z>2,4 – предприятие относим к платежеспособным Если Z<-1,6 – предприятие неплатежеспособно -1,6 Z 2,4– зона неопределенности В Таблице 6 приведена надежность прогнозирования неплатежеспособности по построенным линейным моделям.

Таблица 6- Надежность прогноза по построенным моделям Отрасль Надежность прогноза по построенным моделям, % Сельское хозяйство Торговля Пищевая промышленность Строительство ТЭК Сфера услуг 4. Установлена целесообразность совместного применения нейронных сетей и разработанных моделей диагностики неплатежеспособности предприятия при принятии решения при антикризисном управлении.

Для принятия решения в процессе управления платежеспособностью предприятия совместно применялись нейронные сети и построенные модели.

В настоящее время нейронные сети получают все более широкое распространение для решения задач диагностики неплатежеспособности.

Pages:     | 1 || 3 |






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»