Моделирование вероятности банкротства предприятий: сравнительный анализ методов
Основные методы оценки вероятности банкротства предприятий: дискриминантный анализ, модели бинарного выбора, методы искусственного интеллекта. Особенности исследования зависимости банкротства предприятия от некоторых финансовых и нефинансовых показателей.
| Рубрика | Экономика и экономическая теория |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 01.12.2019 |
| Размер файла | 4,9 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Можно утверждать, что цель, поставленная в начале работы, выполнена: на основе изученной и описанной в главе 2 теоретической базы было построено две модели, способные оценить вероятность наступления банкротства предприятия. В ходе проведенного исследования был выполнен ряд задач и достигнуты следующие результаты:
Определена природа банкротства предприятий на законодательном уровне, разграничены понятия банкротства и дефолта компаний, приведены факторы, влияющие на несостоятельность организаций.
Проведен анализ, описание и систематизация существующих подходов к оценке вероятности банкротства предприятий. Описаны характеристики, преимущества и недостатки всех рассмотренных подходов. На основе изученной теоретической базы сформирован исследовательский вопрос работы.
Описана методология, используемая в дальнейшем анализе, в частности метод оценки и проверки качества эконометрической модели и подход к моделированию математической нейронной сети.
Сформирован массив данных, включающий 1028 наблюдений по 4-м нефинансовым характеристикам и 11-ти финансовым показателям. Приведена характеристика каждой переменной, используемой в дальнейшем исследовании.
Проведен анализ исходных данных. Приведены описательные статистики переменных, корреляционный анализ, а также анализ влияния некоторых показателей на банкротство предприятий.
На основе исходных данных построена эконометрическая модель бинарного выбора, в частности модель логистической регрессии. Рассчитаны показатели качества (прогнозная сила модели). На том же массиве спроектирована и построена модель на основе искусственной нейронной сети. Проведено сравнение моделей на обучающем и тестовом множествах.
В целях улучшения качества моделей произведена дополнительная работа с массивом данных: устранены пропущенные значения путем прогнозирования методом многомерной оценки цепными уравнениями; преобразованы переменные путем логарифмирования и масштабирования на средние значения в целях снижения разброса между наблюдениями; произведена настройка параметров нейронной сети. Перестроена модель логистической регрессии на преобразованном массиве данных, а также модель на нейронной сети с учетом новых параметров.
Приведено сравнение результатов моделирования на обучающем, тестовом и контрольном множествах. Описаны преимущества каждой из моделей, недостатки и целесообразность реализации полученных алгоритмов на реальном предприятии. Получен ответ на исследовательский вопрос о том, какая модель точнее определяет вероятность банкротства предприятия.
Таким образом, все задачи, поставленные в начале исследования, выполнены.
Полученные результаты могут быть полезны руководителям аналитических и экономических отделов предприятий. Для экономистов более узкого профиля, специализирующихся на учете и финансах предприятий, более удобной для использования будет модель логистической регрессии ввиду простоты использования. Данный метод доступен в большинстве статистических пакетов, внедренных на предприятиях сегодня. Для аналитиков, работающих с более сложным программным обеспечением, а также для специалистов областей, смежных с информационными технологиями, подойдет работа с моделью, основанной на нейронной сети.
Кроме того, возможна адаптация обеих моделей под пользователей, не специализирующихся на эконометрическом анализе и информационной аналитике: разработка программного интерфейса, который будет позволять автоматически рассчитывать вероятность банкротства предприятий по заданным характеристикам.
Список использованной литературы
1. Арбитражный процессуальный кодекс Российской Федерации от 24.07.2002 N 95-ФЗ (ред. от 17.04.2017). АПК РФ, Глава 28. Рассмотрение дел о несостоятельности (банкротстве).
2. Гражданский кодекс Российской Федерации (часть первая) от 30.11.1994 N 51-ФЗ (ред. от 28.03.2017). ГК РФ Статья 65. Несостоятельность (банкротство) юридического лица.
3. Уголовный Кодекс Российской Федерации. Статья 196. Преднамеренное банкротство (в ред. Федерального закона от 19.12.2005 N 161-ФЗ).
4. Федеральный закон от 26.10.2002 № 127-ФЗ «О несостоятельности (банкротстве)».
5. Федеральный закон от 08.08.2001 № 129-ФЗ «О государственной регистрации юридических лиц и индивидуальных предпринимателей».
6. Федеральный закон от 24.07.2007 № 209-ФЗ «О развитии малого и среднего предпринимательства в Российской Федерации
7. Антикризисное внешнее управление№1, 2014. [Электронный ресурс] URL: http://1fin.ru/?id=787 (дата обращения 25.04.2018).
8. Богданова Т.К., Шевгунов Т.Я., Уварова О.М. Применение нейронных сетей для прогнозирования платежеспособности российских предприятий обрабатывающих отраслей // Бизнес - информатика. 2013. C. 40-48.
9. Бухгалтерия России. [Электронный ресурс] URL: https://www.audit-it.ru/buh_otchet/ (дата обращения 25.04.2018).
10. Вилькомир А.К. Использование пробит-моделирования для прогнозирования банкротства // Труды Санкт-Петербургского политехнического университета Петра Великого. 2010. С. 72-82.
11. Журова Л.И., Шехтман А.Ю. Банкротство предприятий: причины и методы прогнозирования // Вестник Волжского университета им В.Н.Татищева. 2011.
12. Космыкова Т. Бинарные модели оценки риска банкротства предприятий // Наука и инновации. 2016. С. 47-50.
13. Носко В.П. Эконометрика для начинающих. 2005. С. 20-379.
14. Салькова М.В. Методика анализа и прогнозирования деятельности организации в целях выявления и предупреждения несостоятельности (банкротства) // Орловский государственный институт экономики и торговли. 2014. С. 15-32.
15. Сергиенко О.В. Множественный дискриминантный анализ в моделях прогнозирования банкротства Альтмана: интерпретации и ограничения использования // Экономический анализ. 2007. С. 76-80.
16. Федеральная служба государственной статистики. [Электронный ресурс]URL: http://www.gks.ru/(дата обращения: 25.04.2018)
17. Федорова Е.А., Довженко С.Е., Федоров Ф.Ю. Модели прогнозирования российских предприятий: отраслевые особенности. 2016. С. 32-40.
18. Хайдаршина Г.А. Количественные методы оценки банкротства предприятий: классификация и практическое применение // Вестник финансового университета. 2007. С. 69-178.
19. Шамсиева Р.Ф. Банкротство предприятия: основные причины возникновения и пути выхода // Интерактивная наука. 2016. С. 179-181.
20. Ясницкий Л.Н. «Искусственный интеллект: популярное введение для учителей и школьников» // БИНОМ. - Пермь. 2009.
21. AlaminosD., DelCastilloA., FernбndezM.A. AGlobalModelforBankruptcyPrediction // PLOSONE - Journal.23 Nov 2016.
22. Altman E. I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. 1968. P. 589-609.
23. Beaver W.H. Financial Ratios as Predictors of Failure // Journal of Accounting Research, Empirical Research in Accounting: Selecting Studies. 1966. P. 71-111.
24. Bredart X. Bankruptcy Prediction Model Using Neural Networks // Accounting and Finance Research. 2014. Vol.3. No. 2.P.124-128.
25. Davidson R., Mackinnon J.G. Estimation and inference in econometrics // Oxford University. 1933. P. 871
26. Fulmer J., Moon J., Gavin T., Erwin M. A Bankruptcy Classification Model for Small Firms // Journal of Commercial Bank Lending. 1984. P. 25-37.
27. Hyunjoon K., Zheng G. A Logistic Regression Analysis for Predicting Bankruptcy in the Hospitality Industry // The Professional Refereed Journal of the Association of Hospitality Financial Management Educators. 2010. Vol. 14. Issue 1. Article 24.
28. Mattsson B., Steinert O. Corporate bankruptcy prediction using Machine Learning techniques //Bachelor's Thesis in Economics, University of Gothenburg. 2017. P.1-26.
29. Odom M.D., Sharda R. A Neural Network Model for Bankruptcy Prediction // Oklahoma State University. 1990.
30. Ohlson J. Financial Ratios and the Probabilistic Prediction of Bankruptcy // Journal of Accounting Research. 1980. P. 109-131.
31. Zhan G., Hu M.Y., Patuwo B.E., Indro D.C. Artificial neural networks in bankruptcy prediction: General framework and cross-validation analysis // European Journal of Operation Research. 1999. Р.16-32.
32. Zmijewski Mark E. Methodological Issues Related to the Estimation of Financial Distress Prediction Models //Journal of Accounting Research. 1984. P. 59-82.
Приложение 1
Значение вероятности банкротства предприятия на основе значений коэффициентов в модели У.Бивера
Коэффициент Бивера (Kб):
при , финансовое положение предприятия считается нормальным;
при финансовое положение считается неустойчивым (вероятность банкротства в течение пяти лет);
при наблюдается кризисное финансовое положение компании (риск банкротства в течение одного года).
Коэффициент текущей ликвидности (Кт.л):
при , финансовое положение оценивается как нормальное;
при , финансовое положение неустойчивое (вероятность банкротства в течение пяти лет);
при - кризисное финансовое положение компании (риск банкротства в течение одного года).
Коэффициент экономической рентабельности (Кэ.р):
при , финансовое положение оценивается как нормальное;
при , финансовое положение неустойчивое (вероятность банкротства в течение пяти лет);
при - кризисное финансовое положение компании (риск банкротства в течение одного года).
Финансовый леверидж (Кф.л -финансовый «рычаг»):
при - нормальное финансовое положение компании;
при - неустойчивое финансовое положение (вероятность банкротства в течение пяти лет);
при - кризисное финансовое положение (риск банкротства в течение одного года).
Коэффициент покрытия активов собственными оборотными средствами (Кп):
при - нормальное финансовое положение компании;
при - неустойчивое финансовое положение (вероятность банкротства в течение пяти лет);
при - кризисное финансовое положение (риск банкротства в течение одного года).
Приложение 2
Графики и диаграммы
Рис. 25 - Ящичковая диаграмма для коэффициента автономии
Рис. 26 - Ящичковая диаграмма для коэффициента обеспеченности собственными средствами
Рис. 27 - Ящичковаые диаграммы для коэффициента финансового левериджа (базовый и преобразованный показатель)
Рис. 28 - Ящичковые диаграммы для чистых активов в рублях (базовый и преобразованный показатель)
Рис. 29 - Ящичковая диаграмма для коэффициента рентабельности затрат
Рис. 30 - Ящичковые диаграммы для коэффициента рентабельности капитала (базовый и преобразованный показатель)
Рис. 31 - Ящичковые диаграммы для коэффициента рентабельности продаж (базовый и преобразованный показатель)
Рис. 32 - Ящичковаые диаграммы для коэффициента рентабельности активов (базовый и преобразованный показатель)
Рис. 33 - Ящичковые диаграммы для чистой прибыли (базовый и преобразованный показатель)
Рис. 34 - Функции плотности переменных базовой выборки
Рис. 35 - Функции плотности переменных преобразованной выборки
Рис. 36 - График нейронной сети
Приложение 3
Программный код
Размещено на Allbest.ru
Подобные документы
Понятие и признаки банкротства. Причины и виды банкротства. Процедуры банкротства. Методы диагностики вероятности банкротства. Многокритериальный подход. Дискриминантные факторные модели. Оценка вероятности банкротства предприятия по модели Альтмана.
курсовая работа [59,3 K], добавлен 16.12.2007Экономическая сущность и виды банкротства. Нормативно-правовое регулирование процедур банкротства предприятия. Методики оценки вероятности банкротства организации. Составление прогнозной финансовой отчетности организации на примере ЗАО "Сибмашсервис".
дипломная работа [218,7 K], добавлен 12.12.2015Основные понятия финансовой несостоятельности предприятий. Создание математической модели прогнозирования банкротства компании. Выявление факторов финансового состояния ЗАО "Управление механизации №276", информационная база анализа угрозы банкротства.
курсовая работа [388,7 K], добавлен 18.05.2014Содержание банкротства и его признаки. Организационно-экономическая характеристика предприятия, оценка ликвидности его баланса. Анализ абсолютных и относительных показателей финансовой устойчивости предприятия, пути снижения вероятности банкротства.
курсовая работа [247,6 K], добавлен 09.06.2016Понятие, сущность, критерии и финансовые признаки банкротства. Характеристика ООО "Методлит.ру", оценка платежеспособности и финансовой устойчивости. Анализ финансовых признаков несостоятельности компании, определение вероятности наступления банкротства.
курсовая работа [82,1 K], добавлен 10.05.2018Понятие, виды и причины банкротства предприятий. Нормативное регулирование процесса банкротства хозяйствующих субъектов в РФ. Методы диагностики вероятности банкротства. Оценка эффективности мероприятий по улучшению финансового состояния ООО "Кристалл".
дипломная работа [103,2 K], добавлен 25.09.2009Понятие и сущность банкротства. Анализ финансового состояния и вероятности банкротства предприятия ООО "Торговый Дом "Альянс Упак". Предложения по использованию финансовых методов предупреждения банкротства. Расчеты эффективности предлагаемых мероприятий.
дипломная работа [752,5 K], добавлен 23.03.2015Понятие, виды, причины, методы диагностики банкротства, оценка вероятности его наступления. Сравнительный анализ отчета о прибылях и убытках предприятия. Анализ ликвидности баланса, финансовой устойчивости, показателей деловой активности и рентабельности.
курсовая работа [57,7 K], добавлен 16.01.2010Особенности и значение прогнозирования риска банкротства предприятия, формула расчета определения его вероятности. Сущность модели вероятности риска Таффлера, платежеспособности Спрингейта. Расчет пятифакторной модели Альтмана для акционерных обществ.
контрольная работа [24,1 K], добавлен 14.11.2010Понятие банкротства, его причины и способы диагностирования. Модели экспресс-диагностирования банкротства. Прогнозирование вероятности банкротства ФГУП "Кирпичный завод" по модели Сайфулина-Кадыкова, основные направления антикризисного управления.
курсовая работа [101,1 K], добавлен 30.09.2009
