Новый комплексный показатель оценки финансового состояния предприятия
http://www.vmgroup.ru/
Введение
В практике финансового анализа хорошо известен ряд показателей, характеризующих
отдельные стороны текущего финансового положения предприятия. Сюда относятся
показатели ликвидности, рентабельности, устойчивости, оборачиваемости капитала,
прибыльности и т.д. По ряду показателей известны некие нормативы, характеризующие
их значение положительно или отрицательно. Например, когда собственные средства
предприятия превышают половину всех пассивов, соответствующий этой пропорции
коэффициент автономии больше 1/2, и это его значение считается "хорошим"
(соответственно, когда оно меньше 1/2 - "плохим"). Но в большинстве
случаев показатели, оцениваемые при анализе, однозначно нормировать невозможно.
Это связано со спецификой отраслей экономики, с текущими особенностями действующих
предприятий, с состоянием экономической среды, в которой они работают.
Тем не менее, любое заинтересованное положением предприятия лицо (руководитель,
инвестор, кредитор, аудитор и т.д.), далее именуемое лицом, принимающим решения
(ЛПР), не довольствуется простой количественной оценкой показателей. Для ЛПР
важно знать, приемлемы ли полученные значения, хороши ли они, и в какой степени.
Кроме того, ЛПР стремится установить логическую связь количественных значений
показателей выделенной группы с неким комплексным показателем, характеризующим
финансовое состояния предприятия в целом. То есть ЛПР не может быть удовлетворено
бинарной оценкой "хорошо - плохо", его интересуют оттенки ситуации
и экономическая интерпретация этих оттеночных значений. Задача осложняется тем,
что показателей много, изменяются они зачастую разнонаправленно, и поэтому ЛПР
стремится "свернуть" набор всех исследуемых частных финансовых показателей
в один комплексный, по значению которого и судить о степени благополучия ("живучести")
фирмы.
В анализе хорошо известны так называемые Z-показатели, сопряженные с вероятностью
предполагаемого банкротства:
(1)

где Xi - функции показателей бухгалтерской отчетности, Ai - веса в свертке,
получаемые на основе так называемого дискриминантного анализа выборки предприятий,
часть из которых обанкротилась. Также устанавливаются пороговые нормативы Z1
и Z2: когда Z < Z1 , вероятность банкротства предприятия высока, когда Z
> Z2 - вероятность банкротства низка, Z1 < Z < Z2 - состояние предприятия
не определимо. Этот метод, разработанный в 1968 году Э. Альтманом, получил широкое
признание на всех континентах и продолжает широко использоваться в анализе,
в том числе и в России.
Сопоставление данных, полученных для ряда стран, показывает, что веса в Z -
свертке и пороговый интервал [Z1, Z2] сильно разнятся не только от страны к
стране, но и от года к году в рамках одной страны (можно сопоставить выводы
Альтмана о положении предприятий США за 10 лет анализа). Получается, что Z -
методы Альтмана не обладают устойчивостью к вариациям в исходных данных. Статистика,
на которую опирается Альтман и его последователи, возможно, и репрезентативна,
но она не обладает важным свойством статистической однородности выборки событий.
Одно дело, когда статистика применяется к выборке радиодеталей из одной произведенной
партии, а другое, - когда она применяется к фирмам с различной организационно-технической
спецификой, со своими уникальными рыночными нишами, стратегиями и целями, фазами
жизненного цикла и т.д. Здесь невозможно говорить о статистической однородности
событий, и, следовательно, допустимость применения вероятностных методов, самого
термина "вероятность банкротства" ставится под сомнение
К тому же, при использовании методов Альтмана возникают передержки. В переводной
литературе по финансовому анализу, а также во всевозможных российских компиляциях
часто встретишь формулу Альтмана образца 1968 года, и ни слова не говорится
о допустимости этого соотношения в анализе ожидаемого банкротства. С таким же
успехом в формуле Альтмана могли бы стоять любые другие веса, и это было бы
столь же справедливо в отношении российской специфики, как и исходные веса.
Такой подход иначе как неквалифицированным и не назовешь.
Словом, подход Альтмана имеет право на существование, когда в наличии (или
обосновываются модельно) однородность и репрезентативность событий выживания/банкротства.
Но ключевым ограничением этого метода является даже не проблема качественной
статистики. Дело в том, что классическая вероятность - это характеристика не
отдельного объекта или события, а характеристика генеральной совокупности событий.
Рассматривая отдельное предприятие, мы вероятностно описываем его отношение
к полной группе. Но уникальность всякого предприятия в том, что оно может выжить
и при очень слабых шансах, и, разумеется, наоборот. Единичность судьбы предприятия
подталкивает исследователя присмотреться к предприятию пристальнее, расшифровать
его уникальность, его специфику, а не "стричь под одну гребенку";
не искать похожести, а, напротив, диагностировать и описывать отличия. При таком
подходе статистической вероятности места нет. Исследователь интуитивно это чувствует
и переносит акцент с прогнозирования банкротства (которое при отсутствии полноценной
статистики оборачивается гаданием на кофейной гуще) на распознавание сложившейся
ситуации с определением дистанции, которая отделяет предприятие от состояния
банкротства.
В работах, относящихся к выявлению природы вероятности, появляются неклассические
вероятности различных типов. Отметим лишь два типа: валентные и аксиологические
вероятности. Валентная вероятность выражает ожидаемость реализации гипотезы
Н с учетом наличного контекста фактических свидетельств об объекте исследования
Е (в частном случае, когда Е - это репрезентативная выборка однородных событий,
тогда вероятность является статистической). Аксиологическая вероятность выражает
ожидаемость реализации гипотезы Н с учетом контекста субъективных оценок S об
объекте исследования, выдвинутых одним из экспертов - квалифицированных наблюдателей
объекта исследования, или совокупностью экспертов. Такого рода вероятности уже
можно применять в финансовом анализе, как это уже широко делается в экспертных
системах и при принятии решений в условиях неопределенности (в частности, при
оценке риска инвестиций). Здесь понятие случайности замещается понятием ожидаемости.
Однако обозначим еще один аспект, который делает применение неклассичиских вероятностей
неудобным в принципе, когда есть гораздо более пригодный математический аппарат
для исследований.
Речь идет о нечетких множествах и нечеткой логике. Чем глубже исследуется предприятие,
тем больше обнаруживается новых источников неопределенности. Декомпозиция исходной,
обычно грубой и приблизительной, модели анализа сопряжена с растущим дефицитом
количественных и качественных исходных данных. Сплошь и рядом мы сталкиваемся
с неопределенностью, которая в принципе не может быть раскрыта однозначно и
четко. Ряд параметров оказывается недоступным для точного измерения, и тогда
в его оценке неизбежно появляется субъективный компонент, выражаемый нечеткими
оценками типа "высокий", "низкий", "наиболее предпочтительный",
"весьма ожидаемый", "скорее всего", "маловероятно",
"не слишком" и т.д. Появляется то, что в науке описывается как лингвистическая
переменная со своим терм-множеством значений, а связь количественного значения
некоторого фактора с его качественным лингвистическим описанием задается так
называемыми функциями m-принадлежности фактора нечеткому множеству.
Кривая m строится на основании:
а) данных объективных тестов для работников различных возрастных групп, с выявлением
психофизиологических особенностей этих групп (контекст наблюдений такого рода
есть контекст свидетельств Е);
б) интуитивных представлений экспертов (контекст S).
Таким образом, функции принадлежности параметров нечетким множествам обладают
теми же достоинствами в анализе, что и неклассические типы вероятностей, и вдобавок
к этому они являются количественной мерой наличной информационной неопределенности
в отношении анализируемых параметров, значение которых описывается в лингвистически-нечеткой
форме.
Существо нового комплексного показателя финансового анализа
Нами, специалистами консультационной группы "Воронов и Максимов",
разработан новый комплексный показатель финансового анализа на основании результатов
теории нечетких множеств. Схема построения показателя следующая:
1. Полное множество состояний А предприятия разбивается на пять
(в общем случае пересекающихся) нечетких подмножеств вида:
А1 - нечеткое подмножество состояний "предельного неблагополучия
(фактического банкротства)";
А2 - нечеткое подмножество состояний "неблагополучия";
А3 - нечеткое подмножество состояний "среднего качества";
А4 - нечеткое подмножество состояний "относительного благополучия";
А5 - нечеткое подмножество состояний "предельного благополучия".
То есть терм-множество лингвистической переменной "Состояние предприятия"
состоит из пяти компонент. Каждому из подмножеств А1… А5 соответствуют свои
функции принадлежности m 1(V&M) … m 5(V&M), где V&M - комплексный
показатель финансового состояния предприятия, причем, чем выше V&M, тем
"благополучнее" состояние предприятия.
2. Осуществляется выбор базовой системы показателей Хi и производится
нечеткая классификация их значений. Пусть D(Хi) - область определения параметра
Хi, несчетное множество точек оси действительных чисел. Определим лингвистическую
переменную "Уровень показателя Хi" с введением пяти нечетких подмножеств
множества D(Хi):
В1 - нечеткое подмножество "очень низкий уровень показателя
Хi",
В2 - нечеткое подмножество "низкий уровень показателя
Хi",
В3 - нечеткое подмножество "средний уровень показателя
Хi",
В4 - нечеткое подмножество "высокий уровень показателя
Хi",
В5 - нечеткое подмножество "очень высокий уровень показателя
Хi".
Задача описания подмножеств {В} - это задача формирования соответствующих функций
принадлежности l 1-5(хi).
3. Построение функций принадлежности {m} нечетких подмножеств {А}.
Анализируя опыт различных квалификаций лингвистической переменной "Состояние",
мы задаемся набором функций принадлежности {m }. Эти функции мы сформировали
таким образом, что искомый комплексный показатель финансового состояния предприятия
V&M по построению принимает значения от нуля до единицы.
4. Оценка значимостей показателей для комплексной оценки.
Каждому i-му показателю в отношении каждого к-го уровня состояния предприятия
можно сопоставить оценку pik значимости данного показателя для распознавания
данного уровня состояния предприятия. Например, ряд банков, анализируя кредитоспособность
заемщика, присваивает большую значимость показателям финансовой устойчивости
и ликвидности, и меньшую - показателям прибыльности и оборачиваемости. В то
же время, этот критерий не может считаться приемлемым в отношении приватизированных
предприятий, ранее находящихся в госсобственности. Обыкновением для таких предприятий
является то, что значительный вес основных средств в структуре активов (здания,
сооружения и т.д.) соседствует с низкой рентабельностью или даже убыточностью.
То есть построение системы весов pik должно проводиться по каждому предприятию
строго индивидуально.
Систему оценок значимостей {p} целесообразно пронормировать следующим образом:
k = 1,…,5. (3)
Если система предпочтений одних показателей другим отсутствует, то показатели
являются равнозначными, и pik = 1/N.
5. Построение показателя V&M. Комплексный показатель V&M
строится как двумерная свертка по совокупности показателей Хi с весами рi и
по совокупности их качественных состояний с весами {l }.
6. Распознавание текущего состояния предприятия. Правило для
распознавания состояния предприятия имеет вид таблицы 1. Одновременно, в соответствии
с результатом распознавания по таблице 1, оценивается степень риска банкротства
предприятия.
Таблица 1. Правило распознавания финансового состояния предприятия
Наименование показателя
|
Интервал значений
|
Классификация уровня параметра
|
Степень оценочной уверенности (функция принадлежности)
|
V&M
|
V&M 0 < V&M < 0.15
|
"предельное неблагополучие" |
1 |
0 .15 < V&M < 0.25
|
"предельное неблагополучие" |
m 1 = 10 (0.25 - V&M) |
"неблагополучие" |
1- m 1 = m 2 |
0.25 < V&M< 0.35
|
"неблагополучие" |
1 |
0.35 < V&M < 0.45
|
"неблагополучие" |
m 2 = 10 (0.45 - V&M) |
"среднего качества" |
1- m 2 = m 3 |
0.45 < V&M < 0.55
|
"среднего качества" |
1 |
0.55< V&M < 0.65
|
"среднего качества" |
m 3 = 10 (0.65 - V&M) |
"относительное благополучие" |
1- m 3 = m 4 |
0.65 < V&M < 0.75
|
"относительное благополучие" |
1 |
0.75 < V&M < 0.85
|
"относительное благополучие" |
m 4 = 10 (0.85 - V&M) |
"предельное благополучие" |
1- m 4 = m 5 |
0.85 < V&M < 1.0
|
"предельное благополучие" |
1 |
|
Заключение
Предложенная методика комплексной оценки финансового состояния предеприятия,
в действительности, воспроизводит мыслительные человеческие процессы, основанные
на субъективных суждениях. Мы добиваемся, чтобы предложенная модель была адекватна
не только реалиям объекта исследования, но и специфическим особенностям познающего
субъекта, а также формально очерченным границам наличной информационной неопределенности.
То, что мы знаем об объекте исследования, и то, как мы это знаем, - все это
находит отражение в логико-математических формализмах, на которых основан метод.
Мы не пытаемся строить сомнительные свертки на финансовых показателях, тем самым
как бы складывая килограммы с километрами, а осуществляем свертку сопоставимых
компонент принадлежности показателей к тем или иным нечетким классам и этим
обеспечиваем корректность модели.
Распознавание и классификация состояний предприятий - задача, которая вне идеологии
нечетких множеств вообще не может быть решена удовлетворительно, потому что
прежде чем говорить "плохое" или "хорошее", необходимо принять
соглашение, как различать эти субъективные высказывания.
Заявленный здесь подход - не окончательный, и он может быть улучшен для задач,
где финансовые показатели образуют иерархию, где усложняются условия классификации
состояний предприятия, там, где появляется динамика критериев распознавания
и т.д. Метод, названный нами V&M - метод комплексного финансового анализаO
, и предложенный здесь комплексный показатель финансового состояния предприятия,
названный нами V&M - показательO , являются интеллектуальной собственностью
консультационной группы "Воронов и Максимов" (г. Санкт - Петербург).
Упомянутый показатель встроен в разработанную фирмой программную модель "МАСТЕР
ФИНАНСОВ. Анализ и планирование" и сейчас проходит аппробацию по широкому
перечню обследуемых предприятий.
Полностью материал опубликован в журнале "Вопросы анализа риска",
№2-3, 1999г.
Версия для печати ·
Рекомендовать
|