Проактивный кризис-менеджмент (диагностика и реструктуризация). Учебное пособие

Под ред. Львовой Н.А., Покровской Н.В.

Возрастное ограничение: 0+ Жанр: Экономика Издательство: Проспект Дата размещения: 07.08.2017 ISBN: 9785392243792 Язык: Объем текста: 205 стр. Формат: epub

Оглавление

Предисловие

Глава 1. Диагностика в условиях неплатежеспособности: нормативно-методический аспект

Глава 2. Ретроспективные методы диагностики предприятия

Глава 3. Прогнозные методы диагностики предприятия

Глава 4. Комплексная реструктуризация кризисного предприятия

Приложение 1 Правила проведения арбитражным управляющим финансового анализа

Приложение 2 Виды криминального банкротства по российскому законодательству

Приложение 3 Временные правила проверки арбитражным управляющим наличия признаков фиктивного и преднамеренного банкротства

Для бесплатного чтения доступна только часть главы! Для чтения полной версии необходимо приобрести книгу

Глава 3.
Прогнозные методы диагностики предприятия

После изучения этой главы вы сможете получить представление о:

• многообразии методических подходов к прогнозированию банкротства;

• регрессионных моделях прогнозирования банкротства;

• структурных моделях прогнозирования банкротства;

• рейтинговых моделях прогнозирования банкротства;

• комплексных подходах к прогнозированию банкротства;

• особенностях прогнозирования банкротства российских предприятий;

• методических подходах к оценке возможности восстановления платежеспособности;

• специфике оценки инвестиционных проектов в условиях неплатежеспособности.

3.1. Прогнозирование банкротства предприятия

3.1.1. Классификация методов прогнозирования банкротства

Корпоративное банкротство считается достаточно редким событием. В финансовом анализе, как правило, исходят из допущения о непрерывности деятельности фирмы (going concern assumption), и вероятностью банкротства часто пренебрегают, хотя она никогда не равна нулю. Даже если профессионализм менеджеров не вызывает сомнений и финансовое положение компании устойчиво, крах может наступить благодаря обстоятельствам непреодолимой силы.

Важно учитывать, что факт несостоятельности (банкротства) организации признается арбитражным судом, и данное решение основано на легальных признаках несостоятельности. Финансовое положение несостоятельных компаний может различаться: банкротство нельзя описать однозначными финансовыми критериями.

В целях финансового анализа банкротство обычно понимается в достаточно общем смысле как финансовая несостоятельность или финансовые затруднения, которые потенциально могут привести компанию к краху (несостоятельности, дефолту по долговым обязательствам, невыплате дивидендов по привилегированным акциям и пр.).

Более строгий подход к финансовой трактовке банкротства предполагает, что банкротство рассматривается в контексте финансовой модели предприятия. Например, если мы обратимся к балансу, финансовый смысл несостоятельности (банкротства) можно представить следующим образом (рис. 3.1).

1. Чем выше стоимость активов фирмы (Assets, A) по отношению к долговым обязательствам (Debt, D), тем выше доля собственного капитала (Equity, E). В то же время, чем выше доля собственного капитала в пассивах, тем выше обеспеченность долговых обязательств активами.

2. Когда величина активов равна величине заемных средств, значение собственного капитала равно нулю (можно сказать, что запас прочности у предприятия отсутствует).

3. Когда стоимость активов опускается ниже стоимости долга, значение собственного капитала становится отрицательным. В этом случае компания несостоятельна.

Рис. 3.1. Финансовая трактовка банкротства предприятия

Очевидно, что это очень упрощенное объяснение, в котором мы сознательно обошли вниманием вопрос оценки стоимости. В этом отношении возможны различные подходы.

– По мнению одного из основоположников школы прогнозирования банкротства Э. Альтмана, банкротство происходит в том случае, когда долги фирмы (в учетной оценке) превышают справедливую стоимость активов, определяемую их доходностью.

– Альтман предлагает и другую трактовку: фирма становится несостоятельной, когда стоимость активов, соответствующая сумме рыночной стоимости собственного капитала и учетной стоимости долга, падает ниже стоимости долга (иными словами, рыночная стоимость собственного капитала принимает отрицательное значение).

– В модели корпоративных обязательств Блэка–Скоулза–Мертона (BSM) банкротство рассматривается в контексте соотношения рыночной стоимости активов и долга, которая оценивается с помощью модели ценообразования опционов исходя из рыночной оценки собственного капитала.

Говоря о классификации методов прогнозирования банкротства, необходимо учитывать сферу их практического применения. Оценка вероятности банкротства представляет интерес для многих стейкхолдеров фирмы: менеджеров, собственников, потенциальных инвесторов, ключевых поставщиков и заказчиков, регулирующих органов и др. Однако методы прогнозирования банкротства преимущественно ориентированы на кредиторов предприятия (коммерческие банки, облигационеры, контрагенты, предоставляющие компании коммерческие кредиты и пр.) и используются преимущественно в целях управления кредитным риском.

Кредитный риск является одним из основных рисков, связанных с финансовыми инструментами. Согласно МСФО, кредитный риск представляет риск того, что одна из сторон по финансовому инструменту нанесет финансовые убытки другой стороне посредством неисполнения своих обязательств. Как правило, методы оценки кредитного риска изучаются в целях банковского кредитования. Оценка кредитного риска осуществляется и при покупке долговых ценных бумаг, прежде всего, облигаций.

Учитывая существующие классификации методов оценки кредитного риска, выделим следующие подходы к классификации методов диагностики банкротства.

1. В зависимости от анализируемого объекта методы диагностики финансовой несостоятельности могут быть финансовыми и комплексными.

– Финансовые методы позволяют оценить вероятность банкротства на основе показателей финансового состояния (как правило, финансовых коэффициентов).

– Комплексные методы не ограничиваются оценкой финансового состояния предприятия. Во внимание принимаются иные экономические, а также неэкономические аспекты финансово-хозяйственной деятельности.

2. По характеру базовых показателей финансовые методы прогнозирования банкротства могут быть учетными, рыночными и смешанными.

– Учетные методы в основном апеллируют к показателям финансовой отчетности, в существенной степени ориентированной на интересы кредиторов предприятия.

– Рыночные методы основаны на предположении о том, что фондовый рынок наиболее эффективно отражает финансовую устойчивость компании. Поэтому приоритетное внимание уделяется рыночным индикаторам (в частности, рыночным оценкам собственного капитала и долга).

– Смешанные методы, сочетающие учетные и рыночные показатели, широко применяются на практике. Примером смешанной модели выступает классическая модель Э. Альтмана 1968 г., основанная не только на показателях финансовой отчетности, но требующая сведений и о рыночной капитализации компании. Считается, что именно смешанные модели обладают наиболее высоким уровнем прогнозного потенциала.

3. В зависимости от применяемого подхода к формированию прогнозных моделей методы, основанные на экспертных оценках, можно противопоставить статистическим методам. Последние, наиболее распространенные, подразделяются на структурные и эмпирические.

– Структурные методы предполагают представление о банкротстве фирмы в контексте ее финансовой модели. Речь в данном случае идет, прежде всего, о так называемых рыночных моделях КМВ-Мертона (KMV-Merton Models), в которых оценка вероятности банкротства формируется на основе модели оценки корпоративных обязательств Блэка–Скоулза–Мертона (BSM).

– Эмпирические методы не связаны с какими-то четкими представлениями о финансовой модели банкротства. Под «банкротством» в данном случае негласно понимается такое финансовое состояние фирмы, которое потенциально может привести ее к краху. Поэтому в отношении эмпирических моделей уместнее говорить о прогнозировании финансовой несостоятельности или финансовых затруднений.

По виду прогнозной модели, в свою очередь, следует различать:

1) модели прогнозирования банкротства, основанные на системе показателей, но не предполагающие построение обобщающего показателя. Такие модели, как правило, строятся методами традиционного коэффициентного анализа (traditional ratioanalysis);

2) модели, позволяющие оценить вероятность банкротства по значению обобщающего показателя. Речь, прежде всего, идет о наиболее популярных регрессионных моделях (дискриминантных, логит-моделях и др.).

Очевидно, что классификацию методов и моделей прогнозирования банкротства при желании можно продолжить:

– по количеству используемых показателей прогнозные модели могут быть однофакторными и многофакторными;

– в зависимости от вида используемых показателей — формализованными и неформализованными;

– по используемым математическим методам — статистическими и на основе искусственного интеллекта (нейронные модели, деревья решений);

– в зависимости от возможности применения экспертных оценок — субъективными и смешанными и т. д.

3.1.2. Финансовые методы прогнозирования банкротства

Первые исследования по оценке вероятности корпоративного банкротства на основе финансовых показателей относятся к 1930–1940 гг. Однако наиболее значимые работы в этой области датируются не ранее 1960-х гг.

Считается, что первая статистически обоснованная система финансовых показателей для оценки вероятности корпоративного банкротства была построена в 1966 г. У. Бивером. Исследуемая выборка состояла из 79 пар предприятий, половина которых в период с 1954 по 1964 г. потерпела крах: предприятия, которые обанкротились, не смогли выплатить дивиденды по привилегированным акциям, объявили дефолт по облигациям или превысили кредитный лимит по банковскому счету.

Динамический анализ проводился по шести финансовым коэффициентам, по мнению Бивера, наиболее точно отражающим признаки корпоративного банкротства.

1. Коэффициент достаточности денежного потока (коэффициент Бивера) — отношение денежного потока к совокупному долгу. Денежный поток определялся как сумма чистой прибыли и амортизации. Совокупный долг здесь и далее рассматривался как сумма заемных средств и привилегированных акций.

2. Коэффициент рентабельности активов — отношение чистой прибыли к активам.

3. Уровень финансового левериджа — доля совокупного долга в общем объеме обязательств.

4. Коэффициент покрытия активов собственными оборотными средствами — отношение собственных оборотных средств к активам. Собственные оборотные средства в данном случае оценивались как разность оборотных активов и краткосрочных обязательств.

5. Коэффициент текущей ликвидности.

6. Период обращения собственных оборотных средств («no-credit interval») — отношение собственных оборотных средств к операционным расходам без учета амортизации. Собственные оборотные средства в данном случае рассматривались в более узком смысле как разность ликвидных активов (оборотные активы без учета запасов, quick assets) и краткосрочных обязательств.

Максимальный анализируемый период составлял пять лет (финансовая отчетность за пять лет до краха оказалась доступной не по всем предприятиям выборки).

Бивер доказал, что значения финансовых коэффициентов потенциальных банкротов задолго до краха значительно отличаются от соответствующих значений финансово устойчивых компаний, и, следовательно, метод коэффициентного анализа может с успехом применяться в целях прогнозирования банкротства. Однако далеко не все коэффициенты обеспечивают необходимую прогнозную точность. Наилучшие результаты были получены Бивером по коэффициенту достаточности денежного потока.

Исследование Бивера привлекало пристальное внимание научного и профессионального сообщества, вызвав серьезную критику. Несмотря на очевидные преимущества традиционного коэффициентного анализа (возможность применять экспертные оценки, оценивать вероятность банкротства по общедоступной финансовой информации, простота обоснования и практического применения), были выявлены серьезные ограничения.

– Во-первых, система показателей, как правило, строится на основе статистических данных. Если анализ проводится в другой стране, по другой отрасли, через продолжительный период времени, несостоятельными могут оказаться не только критические значения показателей, но и сами значимые показатели.

– Во-вторых, показатели невозможно однозначно нормировать: в каждом конкретном случае должна учитываться специфика деятельности, временной период, внешние факторы и т. д. Поэтому, как правило, можно сделать только общие выводы о динамике финансового состояния фирмы (ухудшилось или улучшилось).

– В-третьих, значения показателей могут приводить к противоречивым выводам, и у аналитика закономерно возникает потребность «свернуть» несколько показателей в один обобщающий, по значению которого можно с определенной долей условности однозначно судить о вероятности финансовой несостоятельности.

Пожалуй, наиболее популярным методом прогнозирования банкротства, преодолевшим основные ограничения традиционного коэффициентного анализа, является множественный (или мультипликативный) дискриминантный анализ (Multiple Discriminant Analysis, MDA). Изначально метод нашел применение в исследованиях по естественным наукам в 1930-е гг. Впервые для прогнозирования банкротства предприятий мультипликативный дискриминантный анализ был предложен Эдвардом Альтманом в 1968 г. Суть метода заключается в следующем.

1. Составляется выборка схожих по характеристикам предприятий, которые либо обанкротились, либо сумели выжить в течение некоторого периода.

2. Выбираются наиболее значимые для оценки вероятности банкротства финансовые коэффициенты.

3. Строится дискриминантная функция, графически делящая предприятия выборки на две группы: финансово устойчивые и потенциальные банкроты:

Z = a1 · K1 + a2 · K2 +… + an · Kn,

где Z — обобщающий (интегральный) показатель вероятности банкротства;

а1 – n — некоторые параметры (коэффициенты регрессии);

K1 – n — наиболее значимые для целей диагностики банкротства показатели (как правило, финансовые коэффициенты).

Коэффициенты регрессии рассчитываются в результате статистической обработки данных по выборке предприятий.

4. Также по итогам обработки эмпирических данных устанавливаются пороговые нормативы функции Z1 и Z2 (где Z1 < Z2).

В том случае, если рост значений факторов означает повышение финансовой устойчивости, при Z > Z2 вероятность банкротства незначительна; при Z < Z1 вероятность банкротства велика.

И напротив, если между значениями факторов и уровнем финансовой устойчивости наблюдается обратная зависимость, при Z > Z2 вероятность банкротства велика; при Z < Z1 вероятность банкротства незначительна. При Z1 < Z < Z2 состояние анализируемого объекта носит неопределенный характер.

5. Оценка вероятности банкротства проводится исходя из сравнения значения функции анализируемого предприятия и установленных критических значений.

В частности, первая модель Э. Альтмана (1968 г.) выглядит следующим образом:

Z = 0,012X1 + 0,014X2 + 0,033X3 + 0,006X4 + 0,999X5, (3.1)

где Z — показатель вероятности банкротства;

X1 — доля собственных оборотных средств в активах (речь идет о традиционной трактовке собственных оборотных средств, рассчитываемых как разность оборотных активов и краткосрочных обязательств). Данный показатель объединяет такие характеристики компании, как ликвидность и размер;

X2 — отношение накопленной нераспределенной прибыли к активам. Как отмечает Альтман, этот коэффициент, во-первых, характеризует возраст фирмы (молодые компании в целом характеризуются более низким объемом накопленной нераспределенной прибыли), а во-вторых, уровень финансового риска (высокое значение рентабельности активов свидетельствует о широких возможностях самофинансирования и, следовательно, о более высокой финансовой автономии);

X3 — отношение операционной прибыли к активам — еще одни показатель рентабельности активов, характеризующий эффективность их использования без учета факторов налогообложения и финансового риска;

X4 — отношение рыночной капитализации к учетной стоимости долга (заемных средств) — показатель, позволяющий судить об уровне финансового риска (отметим, что модель Z предназначена для публичных компаний);

X5 — отношение выручки (нетто) к активам — коэффициент оборачиваемости активов. Значения данного показателя имеют существенную отраслевую и региональную специфику, поэтому, несмотря на его высокую аналитическую значимость, в более поздних дискриминантных моделях Альтмана он был исключен.

В зависимости от значения Z формируется оценка вероятности банкротства. При Z < 1,81 вероятность банкротства высока; при Z > 2,99 — очень низка. Зона неопределенности, когда нельзя с приемлемой точностью оценить наступление того или иного события, находится в интервале [1,81; 2,99]. Изначально данная модель позволяла спрогнозировать банкротство за один год с точностью 95%; за два года — до 70%; за три — до 50%.

В настоящее время мультипликативный дискриминантный анализ является, пожалуй, самым популярным инструментом прогнозирования банкротства. Разработано множество дискриминантных моделей, отвечающих страновым, отраслевым и другим особенностям финансово-хозяйственной деятельности предприятий. В этом отношении показательна эволюция Z-счета Альтмана.

В 1983 г. Альтманом была опубликована Z’-модель для закрытых фирм (private firm model) , в которой коэффициент финансирования оценивался по данным финансовой отчетности, что не ограничивало сферу ее применения исключительно публичными компаниями:

Z’ = 0,717X1 + 0,847X2 + 3,107X3 + 0,420X4 + 0,998X5, (3.2)

где Z’ — показатель вероятности банкротства (Z’-счет);

все показатели Xi соответствуют модели Z, за исключением X4, который рассчитывается как отношение собственного капитала к заемному в учетной оценке.

При Z < 1,23 вероятность банкротства высока; при Z’’ 2,9 — низка.

Следующей модификацией Z-счета стала Z’’-модель для производственных и непроизводственных компаний реального сектора (model for manufacturers and non-manufacturer industrials), в которой эффект отрасли был нивелирован за счет исключения показателя оборачиваемости активов. Предполагалось, что, в отличие от моделей Z и Z’, релевантных преимущественно для производственных предприятий, четырехфакторная модель сможет применяться для оценки вероятности банкротства в других отраслях:

Z’’ = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4, (3.3)

где Z’’ — показатель вероятности банкротства (Z’’-счет);

все показатели Xi соответствуют модели Z’.

При Z’’ < 1,1 вероятность банкротства высока; при Z’’ > 2,6 — низка.

В 1995 г. модель Z’’ была успешно протестирована в отношении формирующихся рынков (на примере мексиканских компаний, которые являлись эмитентами еврооблигаций, номинированных в долларах США).В итоге, EMS-модель для формирующихся рынков (emerging market scoring model ) получила следующий вид:

EM Score = 3,25 + 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4, (3.4)

где EM Score — показатель вероятности банкротства (EM-счет).

Особенность последней модели заключается в том, что по результатам анализа исторических данных по 750 американским компаниям значения EM-счета были приведены в соответствие с кредитными рейтингами по шкале S&P. В итоге было выделено 20 значений EM-счета, которым присвоены эквиваленты рейтингов облигаций (bond rating equivalent , BRE). Свободный член (3,25) в уравнении EM-счета добавлен для того, чтобы нулевое значение функции соответствовало рейтингу дефолта эмитента.

Эмпирическое исследование, опубликованное в 2014 г., показало, что модель Z’’ по-прежнему демонстрирует отличные результаты. Тестирование проводилось по глобальной выборке компаний из 28 европейских стран, включая Россию, а также из США, Китая и Колумбии. Уровень прогнозной точности модели для большинства стран составил около 75%, для некоторых превысив 90%.

Пример

Группа JFC, объединяющая компании по производству, закупке, обработке, хранению, транспортировке и реализации фруктов, была основана в 1994 г. С 2000-х гг. является одним из крупнейших операторов на российском фруктовом рынке. Первые признаки финансового неблагополучия компании были отмечены в конце 2008 г., когда рейтинговое агентство Standard & Poor’s понизило прогноз по ее кредитному рейтингу. Осенью 2010 г. британский морской перевозчик Star Reefers подал иск к аффилированной с группой кипрской фирме Kalistad Ltd, которая «из-за финансовых проблем JFC» досрочно расторгла контракт, причинив убытки контрагенту в размере 21 млн долл. США.

Используем модель Z’’ для оценки вероятности банкротства ЗАО «Группа Джэй Эф Си» по данным финансовой отчетности за 2010 г. (табл. 3.1, 3.2).

Для сопоставимости данных бухгалтерского баланса и отчета о прибылях и убытках усредним балансовые показатели за анализируемый период и получим следующие сведения (табл. 3.3).

Таблица 3.1

Бухгалтерский баланс ЗАО «Группа Джэй Эф Си» на 31 декабря 2010 г. (тыс. руб.)

Примечание. Суммы по разделам приводятся в соответствии с опубликованной отчетностью ЗАО «Группа Джэй Эф Си».

Таблица 3.2

Отчет о прибылях и убытках ЗАО «Группа Джэй Эф Си» за январь–декабрь 2010 г. (тыс. руб.)

Таблица 3.3

Исходные данные для оценки Z’’-счета ЗАО «Группа Джэй Эф Си» за 2010 г. (тыс. руб.)

Под ред. Львовой Н.А., Покровской Н.В. Проактивный кризис-менеджмент (диагностика и реструктуризация). Учебное пособие

Под ред. Львовой Н.А., Покровской Н.В. Проактивный кризис-менеджмент (диагностика и реструктуризация). Учебное пособие

Учебное пособие посвящено ключевым основам проактивного кризис-менеджмента — диагностике и реструктуризации. Рассматриваются методические аспекты диагностики российских предприятий в условиях неплатежеспособности. Раскрываются особенности ретроспективной и прогнозной корпоративной диагностики, включая традиционный финансовый анализ и прогнозирование банкротства предприятия. Отдельное внимание уделяется стратегии и тактике реструктуризации. Для научных работников и специалистов в области финансового менеджмента, арбитражных управляющих, а также студентов, аспирантов и преподавателей экономических специальностей вузов.

Внимание! Авторские права на книгу "Проактивный кризис-менеджмент (диагностика и реструктуризация). Учебное пособие" (Под ред. Львовой Н.А., Покровской Н.В.) охраняются законодательством!