Методи аналізу і прогнозування розвитку середовища організації

Размещено на http://www.allbest.ru/

Тема 5. Методи аналізу і прогнозування розвитку середовища організації

5.1 Якісні (експертні) методи прогнозування

прогнозування банкрутство сценарій ціль

У стратегічному аналізі досить широко застосовуються різноманітні методи прогнозування параметрів зовнішнього та внутрішнього середовища підприємства, причому однаково важливими є і якісні (експертні), і кількісні (статистичні) методи. Ми розглянемо обидві групи методів.

Якісні методи прогнозування побудовані, передусім, на думках і припущеннях експертів та фахівців. Існує ціла низка методів, які передбачають використання оцінок експертів (індивідуальних і колективних).

До складу індивідуальних експертних оцінок належать: метод „інтерв'ю”, за якого здійснюється безпосередній контакт експерта зі спеціалістом за схемою „запитання - відповідь”; аналітичний метод, за якого здійснюється логічний аналіз певної ситуації, складаються аналітичні доповідні записки; метод написання сценарію, який базується на визначенні логіки процесу або явища у часі за різних умов.

Метод написання сценарію - це опис логічно послідовного процесу, виходячи з конкретної ситуації. Сценарії переважно розробляються на основі певних техніко-економічних характеристик і показників основних процесів виробничої і наукової бази для вирішення поставленого завдання. Сценарій за своєю описовістю є акумулятором вхідної інформації, на основі якої повинна будуватися робота з впровадження досліджуваної стратегії. Тому сценарій в готовому вигляді повинен підлягати ретельному аналізу. У процесі розробки сценаріїв дуже часто використовують „дерево цілей”, яке призначається для аналізу систем, об'єктів, процесів, в яких можна виділити декілька структурних або ієрархічних рівнів. „Дерево цілей” будується шляхом послідовного виділення більш дрібних компонентів на нижчих рівнях (рис. 4.1).

Рівень А А

Рівень Б Б₁ Б₂

В₁₁ В₁₂ В₂₁ В₂₂

Рівень В

Рис. 4.1. Трьохрівнева система ієрархії "дерева цілей"

Точка розгалуження називається вершиною. З кожної вершини має виходити не менше двох гілок. При побудові „дерева цілей” необхідно зазначити три умови:

1) відгалуження, що виходять з однієї вершини, мають складати замкнену множину;

2) відгалуження, що виходять з однієї вершини, повинні взаємно виключати одна одну, тобто не може бути часткового співпадіння об'єктів, представлених двома різними гілками;

3) кожна вершина являє собою ціль для всіх своїх відгалужень.

Методи колективних експертних оцінок включають: метод „комісій”, „колективної генерації ідей” („мозкова атака”), метод „Дельфі”, матричний метод. Ця група базується на принципі, що за колективного мислення точність результату є вищою, а також є більше продуктивних ідей.

У процесі розробки сценаріїв дуже часто використовують „дерево цілей”

Трьохрівнева система ієрархії "дерева цілей"

полягає у такому.

1. Для організації експертних оцінок створюють робочі групи. Робоча група вибирає експертів, які дають відповіді на поставлені питання (їх кількість може коливатися від 10 до 150 залежно від складності об'єкта).

2. Перед тим, як організовувати опитування експертів, встановлюють основні напрями розвитку об'єкта, складають матрицю, що відображає генеральну мету, цілі і підцілі дослідження.

3. Розробка і формулювання питань для експертів. При цьому необхідно забезпечити поступовий перехід від складних питань до простих, від широких до вузьких. Крім того, питання мають бути однозначними і не перехрещуватися за змістом.

4. Експерти дають відповідь на питання, і проводиться обробка матеріалів, які характеризують узагальнену думку і ступінь узгодженості індивідуальних оцінок експертів.

5. Кінцева оцінка визначається або як середнє арифметичне значень оцінок всіх експертів, або як найбільш поширена думка, або як середнє нормалізоване зважене значення оцінки.

Методика статистичної обробки матеріалів колективної експертної оцінки являє собою сукупність оцінок відносної важливості, призначених експертами різним аспектам альтернативних стратегій. Оцінки важливості виражаються в балах (від 0 до 1, від 0 до 100 тощо). Під час обробки матеріали групуються в таблицю, рядки якої відповідають аспектам стратегій, а колонки - окремим експертам.

Перерахуємо деякі з експертних методів, що найчастіше використовуються у міжнародній практиці.

Жюрі експертів-виконавців. Згідно з цим методом, декілька менеджерів збираються і винаходять прогноз, що базується на об'єднанні їх думок. Переваги цього методу - простота і низька ціна. Головним недоліком є те, що прогноз не обов'язково базується на фактах.

Опитування продавців (дистрибуторів). Згідно з цим методом прогноз обсягів продажу визначається, виходячи з комбінації комерційних передбачень досвідчених продавців (дистрибуторів). Оскільки продавці перебувають у постійному контакті з клієнтами, вони часто мають можливість досить точно передбачити обсяг продажу. Переваги цього методу - відносно низька ціна і простота. Головний недолік-торговельний персонал може бути необ'єктивним, особливо тоді, коли їхні блага залежать від величини комерційного прогнозу (наприклад, завищення прогнозу може бути вигідним дистрибутору, оскільки він може отримати вищий статус і додаткові пільги).

Оцінки покупців (клієнтів). Цей метод схожий на попередній, за винятком того, що опитування робиться для оцінки, що саме і скільки покупці сподіваються придбати. Індивідуальні оцінки покупців об'єднуються з метою отримання повного прогнозу. Цей метод найкраще спрацьовує тоді, коли невелика кількість покупців (клієнтів) забезпечують вагомий процент від загального продажу. Недоліки полягають у тому, що покупця (клієнта) важко зацікавити так, щоб він докладав значні зусилля для реалізації цього методу; крім того, метод оцінок покупців не дозволяє підключати до опитування нових покупців (клієнтів).

Метод Дельфі. Метод Дельфі - це спосіб отримання узгодженої думки експертів. Згідно з цим методом вибирається група експертів для вивчення специфічного питання. Членів комісії не збирають разом у групу - вони навіть можуть не знати один одного. Членів комісії просять (як правило, з допомогою надсилання анкет) висловити думку щодо певних майбутніх подій або прогнозів. Після того, як у першому колі думки експертів були визначені і зібрані, координатор узагальнює їх і надсилає цю інформацію членам комісії. На підставі отриманої інформації, члени комісії заново продумують результати ранніх відповідей і роблять другий прогноз. Ця процедура продовжується до моменту досягнення згоди між експертами або до моменту, коли відповіді перестають помітно змінюватися. Метод Дельфі є відносно недорогим і комплексним.

Огляди і опитування. Цей метод передбачає використання письмових анкетних опитувань, телефонних інтерв'ю або інтерв'ю з персоналом з метою передбачення намірів споживачів (клієнтів). Огляди і опитування - це форми здійснення вибірки, яка призначена представляти дещо чисельніше населення. Потенційні недоліки цього методу - те, що оголошені наміри не обов'язково будуть реалізовані, а також ризик того, що вибірка не репрезентує все населення. Цей метод звичайно супроводжується середніми витратами і середньою складністю.

Перераховані якісні методи прогнозування за умови їх правильного застосування допомагають отримати корисну інформацію, необхідну для аналізу стратегічних альтернатив і прийняття правильного управлінського рішення. Разом з тим, цінність якісних методів прогнозування не зменшує необхідність застосування кількісних (статистичних) методів.

5.2 Кількісні (статистичні) методи прогнозування

Більшість кількісних методів прогнозування базується на використанні історичної інформації, представленої у вигляді часових рядів, тобто рядів динаміки, які впорядковуються за часовою ознакою. Головна ідея аналізу часових рядів полягає у побудові тренду на основі минулих даних і наступному екстраполюванні цієї лінії у майбутнє. При цьому використовуються складні математичні процедури для отримання точного значення трендової лінії, визначення будь-яких сезонних або циклічних коливань. Для здійснення розрахунків, пов'язаних з аналізом часових рядів, звичайно використовуються спеціальні комп'ютерні програми. Перевага цього методу полягає у тому, що він базується на чомусь іншому, ніж думка експерта, а саме на цифрових даних. Аналіз часових рядів доцільно використовувати тоді, коли в наявності є достатній обсяг „історичної” інформації, а зовнішнє середовище досить стабільне. Недоліком можна вважати те, що головне припущення, яке приймається при застосуванні аналізу часових рядів, може бути помилковим - майбутнє насправді може бути несхожим на минуле.

До кількісних методів прогнозування належать дві великі підгрупи методів: екстраполяції і моделювання. Методи екстраполяці ї- це прийоми найменших квадратів, рухомих середніх, експоненційного згладжування. До методів моделювання належать прийоми структурного, сітьового і матричного моделювання.

Під час формування прогнозів з допомогою екстраполяції звичайно спираються на статистично обґрунтовані тенденції зміни тих чи інших кількісних характеристик об'єкта. Екстраполяційні методи є одними з найбільш розповсюджених і розроблених серед усіх способів економічного прогнозування.

Вказані методи дуже широко застосовуються як менеджерами, так і спеціалістами-аналітиками. Наприклад, менеджеру з кадрів для прийняття стратегічного рішення про збільшення штату працюючих необхідно отримати обґрунтований прогноз збільшення кількості клієнтів (і, відповідно, обсягів продажу та доходів). Для того, щоб отримати такий прогноз, необхідно знати і правильно використовувати всі елементи економічного прогнозу.

Першим елементом успішного прогнозування є вибір часового ряду. При цьому потрібно керуватися такими правилами:

1) часовий ряд включає результати спостережень, починаючи від першого і до останнього;

2) усі часові проміжки міме елементами часового ряду повинні мати однакову тривалість - не варто включати в один ряд дані за декади і місяці;

3) спостереження фіксуються в один і той самий момент кожного часового періоду. Наприклад, формуючи часовий ряд на основі щотижневих результатів, потрібно фіксувати дані в певний день тижня;

4) пропуск даних в часовому ряді не допускається.

Розглянемо найпростіші і найпоширеніші способи отримання прогнозу на наступні періоди з допомогою часових рядів.

Найпростішим є метод рухомого середнього, який можна застосовувати тоді, коли не потрібен дуже точний прогноз. В разі його використання прогноз будь-якого періоду являє собою середній показник декількох результатів спостережень часового ряду. У загальному вигляді формула рухомого середнього виглядає так:

F_t+1 = (D_t + D_t+1 + D_t-1 + ...+ D_t-N-1)/N, ( 4.1)

де D_t+1 - прогноз для часового періоду t + 1;

D_t, ..., D_t-N-1 - фактичні значення показника;

N - кількість періодів у часовому ряді.

Якщо, наприклад, ми бажаємо вибрати рухоме середнє за три місяці, то прогнозом на квітень буде середнє значення показників за січень, лютий і березень (місяці позначені номерами -1,2,3,4):

F₄ = (D₃ + D₂ + D₁)/3, (4.2)

Розрахунки з допомогою цього методу достатньо точно відображають зміни основних показників попереднього періоду. Іноді вони навіть ефективніші, ніж методи, основані на довгострокових спостереженнях. У таблиці 4.1. наведено приклад застосування рухомого середнього з 3-місячним інтервалом для прогнозування обсягів продажу.

Таблиця 4.1 - Приклад застосування рухомого середнього

Дещо складнішим, ніж рухоме середнє, є метод експопенційного згладжування, який забезпечує досить швидке реагування прогнозу на всі події, що відбуваються протягом періоду, який охоплюється часовим рядом. Основна ідея цього методу полягає в тому, що кожен новий прогноз отримується шляхом зсування попереднього прогнозу в напрямку, який би давав кращі результати порівняно зі старим прогнозом. Базове рівняння має такий вигляд:

F_t+1 = б х D_t + (1 - б) F_t, (4.3)

де F_t+1 - прогноз для часового періоду t +1;

D_t - фактичне значення показника у момент часу t;

F_t - прогноз, зроблений у момент часу t;

б - константа згладжування (0 < б < 1).

Константа згладжування є самокоригованою величиною. Припустимо, ми вибрали б = 0,2 (табл. 4.2.). Прогноз на січень визначається довільно - цю величину потрібно розрахувати іншим способом. У нашому прикладі прогноз на січень дорівнює фактичному значенню обсягів продажу. Далі почергово розраховуються прогнози на кожен місяць. Наприклад, прогноз на червень розраховується таким чином:

F₆ = 0,2 х D₅ + (1 - 0,2) х F₅ = 0,2 х 1,257 + 0,8 х 1,262 = 1,261

Аналогічно розраховуються й інші прогнози.

Таблиця 4.2 - Приклад застосування експоненційного згладжування

Наведені методи рухомого середнього і експоненційного згладжування належать до прийомів грендового аналізу. Тренд - це тривала тенденція зміни економічних показників у часі. Під час розробки моделей прогнозування тренд є основною складовою прогнозованого часового ряду, на який вже накладаються інші складові.

Аналіз доводить, що жоден з існуючих методів не може дати достатньої точності прогнозу на 20 - 25 років. Метод екстраполяції не дає точних результатів на тривалий термін, тому що він базується на даних минулого і теперішнього часу, і похибка поступово збільшується в міру віддаленості прогнозу. Тому екстраполяція дає позитивні результати максимум на 5 - 7 років.

Для стратегічного аналізу корисними є також методи прогнозування з допомогою регресійного аналізу.

Регресійнш аналіз - це математичний метод прогнозування, результатом якого є рівняння з однією або більшою кількістю незалежних змінних, яке використовується для визначення залежної змінної. Зміст регресійного аналізу полягає у дослідженні того, як зміна незалежних змінних впливає на залежну змінну. Один раз визначені взаємозв'язки вважаються усталеними (у вигляді рівняння регресії), а майбутні значення залежної змінної прогнозуються шляхом підстановки у рівняння певних значень незалежних змінних. Регресійний аналіз є відносно дорогим, але комплексним і надійним прийомом.

Для знаходження параметрів приблизних залежностей між двома або декількома прогнозованими величинами за їх емпіричними значеннями найчастіше застосовується метод найменших квадратів. Його зміст полягає у мінімізації суми квадратичних відхилень між величинами, що спостерігаються, і відповідними оцінками (розрахунковими величинами), розрахованими згідно з підібраним рівнянням зв'язку.

Наприклад, для побудови рівняння зв'язку між обсягом реалізації та показником продуктивності праці і рівнем оплати праці можна формально записати:

Y = а₀ + а₁ Ч х₁ + а₂ Ч х₂, (4.4)

де Y - показник обсягу реалізації;

а₁, а₂ - коефіцієнти, які показують вплив відповідно продуктивності праці і рівня оплати праці на зміну обсягу реалізації;

х_1, х₂ - значення продуктивності праці і рівня оплати праці відповідно;

а₀ - вільний член рівняння, який самостійного економічного значення не має.

Для знаходження конкретних значень коефіцієнтів а₀, а₁, а₂ будується система нормальних рівнянь. Ця методика викладена у спеціальній літературі зі статистики та економетрії, тому ми детально розглядати її не будемо.

Найскладнішими серед методів кількісного прогнозування є комплексні методи економетричного моделювання. Переважно, економетричні моделі „прив'язуються” до математичної моделі цілої економіки. Складні еконо-метричні моделі базуються на численних рівняннях регресії, які кількісно описують взаємозв'язки між різними секторами економіки. Насправді дуже обмежена кількість компаній може застосовувати власні економетричні моделі. Інші компанії зазвичай користуються сервісними послугами консультаційних центрів або фірм, що спеціалізуються в галузі економетричного моделювання. Описаний метод є найточнішим і дуже дорогим, тому використовується лише великими компаніями.

На жаль, навіть складні економетричні моделі не можуть забезпечити стовідсоткову точність прогнозів. Кількісні прогнози - це не передбачення, які обов'язково мають справдитися, а лише припущення. Різниця між цими поняттями величезна. Коли „історичні” тенденції проекціюються (екстраполюються) у майбутнє, може статися „розрив” між минулим і майбутнім - тоді прогнози будуть неточними.

Це застереження потрібно враховувати навіть тоді, коли прогноз викликає повну довіру, оскільки грунтується на достовірних джерелах і підготовлений компетентними фахівцями. Справа у тому, що різні тенденції можуть мати взаємний вплив, або інакше кажучи, можуть бути тенденції, „приховані” в інших тенденціях. Отже, прогнози повинні завжди ретельно перевірятися.

5.3 Методи прогнозування банкрутства підприємства

Серед моделей, які одночасно широко застосовуються у фінансовому і стратегічному аналізі, виділяються моделі прогнозування банкрутства підприємства. В економічно розвинених країнах вони почали з'являтися починаючи приблизно з 50-х років XX ст. Причиною цього було посилення конкуренції після 2-ої світової війни, коли багато підприємств скорочувало свою діяльність або банкрутувало. Спочатку банкрутство намагалися передбачати емпірично, на основі вже відомих фактів банкрутства компаній відповідної галузі. Звичайно, такий підхід призводив до численних помилок. Перші моделі передбачення банкрутства, в яких було використано статистико-математичний апарат, були розроблені у 60-х роках. Серед них найвідомішими є 2-рахунок Альтмана (США), коефіцієнт Таффлера (Велика Британія), А-рахунок Арженті та деякі інші.

З часом методики передбачення банкрутства почали застосовувати для прогнозування ризиків в антикризовому управлінні, а потім і для діагностики стратегічних проблем. Кожна методика має свої позитивні та негативні характеристики, які потрібно знати при їх виборі для вирішення діагностич-них завдань.

Z-рахупок Альтмана був запропонований у 1968 р. відомим економістом Едвардом І. Альтманом. Z,-рахунок було побудовано з допомогою мультиплікативного дискримінантного аналізу (МDА). Він дозволяє визначити, чи належить певне підприємство до потенційних банкрутів, чи ні.

Для побудови Z-рахунка Альтман дослідив фінансові показники 66 підприємств, половина яких збанкрутувала у період 1946 - 1965 рр., а половина продовжувала успішно працювати. Він спочатку визначив 22 коефіцієнта, які могли би бути корисні для прогнозування можливого банкрутства, а потім відібрав з них 5 найбільш важливих і побудував багатофакторне регресійне рівняння. Таким чином, Z-рахунок Альтмана являє собою функцію від декількох показників, що характеризують економічний потенціал підприємства і результати його роботи за минулий період. У загальному вигляді 2-рахунок має вигляд:

Z = 1,2х₁ + 1,4х₂ + 3,3х₃ + 0,6х₄ + х₅, (4.5)

де х₁- оборотний капітал / сукупні активи;

х₂ - нерозподілений прибуток / сукупні активи;

х₃- прибуток від операційної діяльності / сукупні активи;

х₄ - ринкова вартість акцій / зобов'язання;

х₅- виручка від реалізації / сукупні активи.

Результати числених розрахунків за моделлю Альтмана показали, що узагальнюючий показник Z, може приймати значення у межах [-14, +22]. При цьому шкала значень Z (табл. 4.3.) дозволяє виділити чотири категорії підприємств за імовірністю банкрутства протягом наступного року.

Таблиця 4.3 - Прогнозування можливості банкрутства з допомогою Z -рахунка Альтмана

Z-рахунок має декілька суттєвих недоліків, які не дозволяють беззастережно використовувати його для аналізу показників вітчизняних підприємств.

По-перше, Z-рахунок придатний лише для крупних компаній, акції яких котируються на біржі. Тільки для таких компаній можна отримати об'єктивну ринкову оцінку власного (акціонерного) капіталу.

По-друге, показники звітності, які використовуються для розрахунку, можуть виявитися недостовірними. Як правило, компанії, у яких погіршується фінансове становище, намагаються прикрасити свою звітність для запобігання відтоку капіталу.

По-третє, методика Альтмана була розрахована на фінансові коефіцієнти, які визначалися за даними балансу, звіту про прибутки і збитки та приміток до річної звітності компаній, складених на основі GААР - загальноприйнятих принципів (стандартів) бухгалтерського обліку, прийнятих у США та деяких інших країнах. У зв'язку з прийняттям в Україні П(С)БО - національних Положень (стандартів) бухгалтерського обліку - потрібно шукати відповідні показники для того, щоб проводити аналіз фінансових коефіцієнтів і вітчизняних підприємств.

По-четверте, в зарубіжних країнах та в Україні існують різні критерії та процедури визнання підприємств банкрутами. Відповідно, використання Z-рахунку Альтмана для вітчизняних підприємств обмежується прогнозуванням негативних тенденцій платоспроможності і фінансового стану, а прогнозування банкрутства через законодавчу неврегульованість цього процесу залишається проблематичним.

Щоправда, в 1983 році Альтман запропонував нову модель, яка дозволяла виправити перший з перерахованих вище недоліків. За новою формулою можна було визначати імовірність банкрутства компаній, акції яких не були представлені на біржі:

Z = 0,717х₁ + 0,847х₂ + 3,107х₃ + 0,42х₄ + 0,998х₅, (4.6)

де х₄ - облікова вартість акцій / зобов'язання. Інші змінні ідентичні традиційній моделі (4.5).

Фірма характеризується доброю фінансовою ситуацією, якщо Z > 2,9; та поганою фінансовою ситуацією, якщо Z < 1,2. За умови 1,2 < Z < 2,9 фінансовий стан фірми вважається задовільним з середньою імовірністю банкрутства.

Пам'ятаючи про недоліки Z-рахунка, його все ж таки можна застосовувати для проведення перспективного фінансового аналізу, особливо для визначення фінансової стійкості підприємств і передбачення кризових явищ.

Ще одним з відомих критеріїв передбачення банкрутства є коефіцієнт Таффлера, запропонований у 1977 році. Для його визначення з допомогою комп'ютерної техніки розраховують 80 співвідношень за даними збанкрутілих і платоспроможних компаній. Далі, використовуючи статистичний метод, відомий як багатомірний дискримінант, будують модель платоспроможності. При цьому визначаються часткові співвідношення, які найкращим чином виділяють дві групи компаній та їх коефіцієнти. Такий вибірковий підрахунок співвідношень є типовим для визначення деяких ключових вимірників діяльності компанії, таких як прибутковість, відповідність оборотного капіталу, фінансовий ризик та ліквідність. Поєднуючи ці показники в одній формулі, модель платоспроможності Таффлера відтворює картину фінансового становища компанії. Типова модель для аналізу компаній, які котируються на біржах, має такий вигляд:

Z = с₀ + с₁х₁ + с₂х₂ + с₃х₃ + с₄х₄ + ..., (4.7)

де х₁ - прибуток до сплати податків / поточні зобов'язання (52%);

х₂ - поточні активи / загальна сума зобов'язань (13%);

х₃ - поточні зобов'язання / загальна сума активів (18%);

х₄ - відсутність інтервалу кредитування (16%);

с₀,.... с₄ - коефіцієнти.

Проценти у дужках вказують на пропорції моделі; х₁ вимірює прибутковість, х₂ - стан оборотного капіталу, х₃ - фінансовий ризик і х₄ -ліквідність.

Для посилення прогностичної здатності моделі Z-коефіцієнт може трансформуватися у так званий РАS-коефіцієнт (Performance Analysis Score) - коефіцієнт, який дозволяє відстежувати діяльність компанії в часі.

РАS-коефіціснт - це лише відносний рівень діяльності компанії, виведений на основі її Z-коефіцієнта за певний період і виражений у відсотках (від 1 до 100). Наприклад, РАS-коефіцієнт, що дорівнює 50, вказує на те, що діяльність компанії оцінюється задовільно, тоді як РАS-коефіцієнт зі значенням 5 свідчить про те, що лише 5% компаній знаходиться у гіршому становищі (незадовільна ситуація). Таким чином, підрахувавши Z-коефіцієнт для компанії, можна потім трансформувати абсолютний вимірник фінансового стану у відносний вимірник фінансової діяльності. Іншими словами, якщо Z-коефіцієнт може свідчити про те, що компанія знаходиться у стабільному чи ризикованому становищі, то РАS-коефіцієнт відображає поточну діяльність і тенденцію на перспективу.

Позитивною рисою такого підходу є його здатність поєднувати ключові характеристики звіту про фінансові результати і балансу в межах однієї моделі. Наприклад, прибуткова компанія з досить нестійким фінансовим станом може бути співставлена з менш прибутковою, але більш стійкою компанією. Таким чином, розрахувавши РАS-коефіцієнт, можна швидко оцінити фінансовий ризик, пов'язаний з цією компанією, і відповідно вибирати варіант стратегічного рішення.

Вченими Іркутської державної економічної академії було запропонова-но власну модель прогнозування ризику банкрутства - модель R, яка має такий вигляд:

R = 0,38k₁ + k₂, + 0,054k₃ + 0,63k₄, (4.8)

де k₁ - оборотний капітал / активи;

k₂ - чистий прибуток / власний капітал;

k₃ - виручка від реалізації / активи;

k₄ - чистий прибуток / інтегральні затрати.

Імовірність банкрутства підприємства згідно моделі R визначається за критеріями, наведеними у табл. 4.4.

Таблиця 4.4 - Прогнозування можливості банкрутства з допомогою R-моделі

Модель R краще адаптована до умов перехідної економіки, оскільки розраховувалася на підставі даних про показники російських компаній, які збанкрутували. Тим не менш, навіть ця модель не може сприйматися як повноцінний метод передбачення банкрутсва у юридичному розумінні цього слова. Модель Я та інші відомі методи прогпохування банкрутства доцільно використовувати для виявлення негативних тенденцій і кризових явищ, які можуть очікувати підприємство у майбутньому.

Питання для роздуму, самоперевірки, повторення

1. Перерахуйте і дайте характеристику якісним методам прогнозування.

2. Які кількісні методи прогнозування Ви можете назвати?

3. Як потрібно проводити аналіз часових рядів ?

4. Охарактеризуйте методи рухомого середнього та експоненційного згладжування.

5. У чому полягає зміст регресійного аналізу? Як з допомогою лінійної регресії отримати прогноз на наступний період?

6. Що таке економетричне моделювання?

7. Що таке Z-разунок Альтмана? Які його позитивні і негативні риси?

8. Поясніть, як розраховується коефіцієнт Таффлера.

9. У чому переваги і недоліки R-моделі Іркутської державної економічної академії? Чи можна з її допомогою прогнозувати імовірність банкрутства вітчизняних компаній ?

Размещено на Allbest.ru