4.13. Стохастические системы имитационного моделирования возникновения ситуации неплатежеспособности и банкротства предприятия
Как известно, показатели деятельности предприятия формируются случайно под воздействием многих факторов внутренней и внешней среды. Это обусловливает целесообразность дополнения инструментария оценки вероятности банкротства предприятия методом стохас-ческого компьютерного моделирования (методом Монте-Карло).Использование этого методического приема исследования базируется на проведении компьютерных экспериментов дальнейшего развития предприятия для определения частоты и объемов возможных ликвидных осложнений. Для реапизации этой идеи используется специально разработанная оболочка имитационного стохастического моделирования - "Моделирование случайных процессов"; позволяющая проводить компьютерные эксперименты по экономико-математической моделью любого характеру.
1 этап. Формализация модели, то есть разработка и написание алгоритма, согласно которому проводиться статистические випробування.
Алгоритм модели представляет собой совокупность определенного количества элементов модели (переменных показателей), которые обозначаются латинскими буквами и связаны между собой арифметическими знаками и условными обозначениями встроенных функций Excel (статистических, финансовых, логических и др.).
Разработка алгоритма моделирования требует глубоких профессиональных знаний предметных аспектов исследования, в частности механизмов и факторов образования и использования денежных средств предприятия. Поскольку эти процессы могут быть описаны по-разному (с помощью различного перечня показателей, с разной степенью детализации), конкретный вид модели обусловливается спецификой деятельности пидприемства.
в 6vflb-HKOMv BHnanKv викопистов ^ ана модель имеет связывать отдельные параметры деятельности предприятия с объемами формирования входного и выходного денежных потоков, поскольку вероятность банкротства оценивается как вероятность возникновения ситуации дефицита денежных коштив.
Это окно предусматривает введение указанной ниже информации.
Название модели. Вводим с клавиатуры: "Оценка вероятности ликвидных осложнений предприятия".
Обозначение функции - латинская буква, которой обозначается изучаемый показатель. Вводим: "L".
Функция - формула, отражающая исследуемый показатель через факторы, на него влияющие. Вводится формула (4.58).
Функция может задаваться с помощью знаков:
, -, *, /, Л - обычных или специальных арифметических операций (сложения, вычитания, умножения, деления, возводить в степень).
Обозначение математических функций: РИ - число р; Е - число есть (основание натурального логарифма) ехр - экспонента (аргумент, возведен в степень есть) ABS - модуль (абсолютное значение) SQR-квадрат числа: SORT - квадратный корень: LN - натуральный логарифм; LOG10 - десятичный логарифм; LOG2 - логарифм по основанию 2; SIN - синус; COS - косинус; TAN - тангенс; COTAN - котангенс; ARCSIN - арксинус; ARCCOS - арккосинус; ARCTAN - арктангенс.
Аргументы математических функций задаются в дужках.
Факторы модели предварительно должны быть обозначены латинскими буквами в пункте программы Модель / Факторы модели.
После того как модель описана, нажимаем клавишу "ОК" и возвращаемся к главному окну програми.
2 этап - формирование экспериментальной базы моделирования. На этом этапе работы необходимо в формализованном виде описать факторы модели, т.е. определить тип и количественные характеристики распределения переменных- чинникив.
Для адекватного отражения реальных процессов жизнедеятельности предприятия эта работа должна основываться на фактических данных об объеме (уровень) переменных показателей (факторов) модели за максимально большую численность спостережень.
Для определения соответствия фактического распределения переменных показателей модели к определенному закону распределения целесообразно создать вспомогательный экспертный блок, который последовательно проверяет гипотезу о соответствии и выбирает из перечня закон, который объективно характеризует фактический розподил.
В рамках системы реализована возможность выбора законов распределения случайных чисел: нормальный, равномерный, Пуассона, набор значений, фиксированное значение, биноминальний.
Как показывают проведенные исследования, экономические процессы жизнедеятельности предприятия лучше описываются с помощью нормального типа распределения и фиксированных значений отдельных параметров модели.
Определение типа распределения отдельного фактора производится следующим образом:
1) выбирается в левом верхнем углу буква, что соответствует обозначению фактора;
2) в поле ввода справа записывается название фактора, которая будет сохранена в базе данных
3) выбирается тип распределения фактора из приведенного перечня;
4) в нижней части окна вводятся количественные параметры выбранного типа распределения , для нормального - математическое ожидание и среднеквадратическое отклонение, для фиксированного - его непосредственное значення.
Для отмены последних сделанных изменений относительно фактора, который редактируется, нажимается клавиша "Отменить". Для сохранения сделанных изменений нажимается клавиша "ОК" (программа автоматически возвращается к главному экрану).
Из этап - ввод параметров компьютерных испытаний, що
Будут проведены в течении експерименту.
Для выполнения этой работы необходимо перейти в меню "Анализ модели ", опция" Параметры расчета ".
Окно, ХИараметры расчета" предусматривает введение следующих даних.
1. Количество испытаний - это количество значений генерирующей функции. Чем больше испытаний, тем больше точность результатов анализа, однако необходимо отметить, что пропорционально количеству испытаний растет и время, необходимое для обчислень.
Распределение случайных величин требует обработки большого объема экспериментальных и статистических данных. Только при достаточно большом объеме наблюдений элемент случайности изменения фактора сглаживается, что позволяет определить некоторую закономерность в характере появления случайных величин. В указанной модели предлагается проводить не менее 50 тыс. итераций (статистических компьютерных испытаний).
2. Количество элементарных интервалов. Повышение этого параметра также увеличивает точность результатов анализа. Однако при количестве элементарных интервалов более 250-300 может ухудшаться качество графического изображения распределения. При достаточно большом количестве интервалов изображение может вообще не появиться. Это связано с режимом монитора на конкретном компьютере. В нашей модели эта величина составляет 101.
Из Предполагаемый интервал значений функции. Это значение означает размер интервала (в количестве стандартных отклонений), который охватывает все элементарные интервалы. Для "узких" плотностей распределения, например нормального распределения, снижение этого параметра может привести к значительному снижению точности, а увеличение - к уменьшению количества интервалов. Поэтому этот параметр желательно не изменять, а вместо него увеличивать количество элементарных интервалов. Рекомендуемое значение этого показателя - 4 .
Для подтверждения сделанных изменений и возврата к окну "Анализ модели" нажимаем клавишу "ОК".
4 этап - получение результатов компьютерных експерименту.
Для генерации случайных значений модели нажимается клавиша "Рассчитать модель". Процесс генерации случайных значений может занять много времени, в зависимости от быстродействия используемого компьютера и установленных параметров расчета. Этот процесс может быть прекращено нажатием на клавишу "Прекратить". Учитывая, что программа работает в многозадачной среде Windows, при расчетах пользователь может работать с програмами.
После выполнения расчетов автоматически осуществляется построение графика плотности распределения функции и выдается оценка параметров распределения - математического ожидания и середньоквадра-ческого отклонения - конечных показателей модели.
Как видно из рис. 4,12, в плановом периоде на исследуемом предприятии ожидается дефицит денежных средств на расчетном счета (с учетом операционного запаса). Основные вероятность дефицита денежных средств - отвечает точке математического ожидания. Среднеквадратическое отклонение показывает наиболее вероятное отклонение от среднего значення.
Полученные результаты компьютерного моделирования свидетельствуют о высокой вероятности возникновения ситуации банкротства в связи с неплатежеспособностью предприятия, характеризуют вероятный объем дефицита денежных коштив.
5 этап - углубленный анализ результатов имитации. Углубленный анализ результатов имитации осуществляется по двум направлениям: оценка вероятности попадания значение показателя в определенный интервал (например, интервал дефицита денежных средств на расчетном счете) и возможности получения определенного результата с определенной вероятностью (например, вероятность избежать ситуации дефицита средств).
Для проведения анализа используется опция "Анализ распределения" вероятности окна "Анализ модели".
Окно "Анализ распределения вероятностей" оценивает вероятность того, что случайное значение функции будет меньше заданного, больше заданного, в пределах заданного интервалу.
Значимым для определения вероятности возникновения неплатежеспособности являются значения функции интервала (-со; 0), т.е. получения отрицательного денежного остатка. Из рис. 4.13 видно, что вероятность вступления функцией отрицательного значения (дефицит денежных средств, ситуация неплатежеспособности) равен 0,78, то есть оценивается как висока.
Аналогичным образом оценивается вероятность нахождения функции в пределах определенного интервала, например при определении норматива формирования страхового запаса денежных коштив.
Ожидаемый по результатам проведенного компьютерного моделирования остаток денежный средств и степень колебания дает возможность оценить вероятность получения дефицита платежеспособности, а соответственно - и вероятность возникновения ситуации банкрутства.
Предложенный инструментарий может использоваться не только для проведения диагностики вероятности банкротства, но и в течении разработки программы антикризисных действий, оценки результативности предложенных антикризисных заходив.
1. Методическое обеспечение диагностики кризисного состояния и угрозы банкротства предприятия чрезвычайно разнообразно, что обусловливает целесообразность его классификации по нескольким признакам: статус и обязательность применения; характер оценочных показателей и их информационного обеспечения; направление исследования, подход к формированию оценочных показателей, методика их исследования, наличие и характер формирования обобщающего вывода, средства обработки информации тощо.
2. В Украине примером государственной методики диагностики кризисного состояния является "Методические рекомендации по выявлению признаков неплатежеспособности предприятия и признаков действий по сокрытию банкротства, фиктивного банкротства или доведения до банкротства", утвержденные приказом Министерства экономики и по вопросам европейской интеграции. Они предусматривают идентификацию состояния неплатежеспособности предприятия и определяют правила принятия решений относительно экономических признаков фиктивного банкротства, сокрытия банкротства и доведения до банкротства, завершения санационных процедур.
3. Наиболее распространенным методическим подходом к диагностике состояния и угрозы банкротства является коэффициентный подход, предусматривающий использование определенного перечня специальных финансовых коэффициентов-индикаторов состояния предприятия - относительных показателей, которые рассчитываются путем сравнения между собой определенных абсолютных показателей хозяйственно-финансовой деятельности предприятий, информация о которых отображается в финансовой и других видах звитности.
Диагностика кризисного состояния и выявления угрозы банкротства на базе использования финансовых коэффициентов предусматривает: формирование системы оценочных показателей ; расчет их величины, проведения горизонтального, сравнительного и эталонного анализу.
Коэффициенты-индикаторы кризисных явлений классифицируют по следующим признакам: в зависимости от информационного обеспечения расчета (показатели экспресс и углубленной диагностики) в зависимости от функционального направления (показатели, характеризующие платежеспособность, структуру капитала, деловой активности и прибыльность деятельности), в зависимости от функциональных возможностей (показатели нынешней и будущей угрозы банкротства).
4. Простым для применения и распространенным приемом диагностики является построение балансовых (агрегатных) моделей оценки финансового состояния. Под агрегатами следует понимать абсолютные оцинниModule . показатели, рассчитываемые по специальным методикам на базе показателей отчетности и управленческого учета пидприемств.
Идентификация кризисного состояния и выявления угрозы банкротства предусматривает сравнение между собой определенных агрегатов и формулировки диагностического заключения по определенным правилам оценки (в зависимости от результатов сравнения).
Наибольшее распространение балансовая модель, описанная в работах В.Ковалев и его послидовникив.
5. Широкое признание для проведения диагностики получили также матричные модели идентификации состояния предприятия, разработанные в трудах французских исследователей Франшона и Роман. Матрични
модели диагностики кризисного состояния и выявления угрозы банкротства предусматривают построение диагностической матрицы, каждый квадрат которой характеризуется определенным соотношением показателей хозяйственно-финансовой деятельности предприятия или рассчитанных оценочных агрегатов идентифицируется как определенное состояние пидприемства.
В процессе диагностики состояния предприятия и наличие угрозы банкротства определяется в зависимости от текущего местонахождения предприятия в пределах матрицы и ретроспективного анализа изменения местонахождения (анализ пути).
6. Статистические модели диагностики банкротства представляют собой специальным образом исчисленную дискриминант функцию (границу), в качестве аргументов которой используются финансовые коэффициенты-индикаторами, наибольшим образом обусловливают развитие кризиса, а значение (Z-счет ) - позволяет идентифицировать степень (вероятность) угрозы банкрутства.
Построение статистической модели предусматривает математическую обработку информации о результатах хозяйственно-финансовой деятельности 2-х однородных (по отрасли, объемом деятельности и т.д.) совокупностей предприятий-объектов наблюдения, одна из которых охватывает предприятия, которые признаны банкротами, другая - предприятия, продолжают нормально функционувати.
Разработкой статистических моделей прогнозирования банкротства занимались такие выдающиеся зарубежные ученые: Е. Альтман, Спрингейта, Конан, Гольдер, Тоффлер, Тисшоу, Лес, Чессер и ин.
диагностика украинских предприятий по зарубежным статистическим методикам является некорректной, поскольку нарушаются важнейшие условия применения статистических моделей: временная соответствие, соответствие объекта оценки, соответствие методики определения параметров модели. Необходимо использовать метод, а не результаты его використання.
В Украине метод дискриминантного анализа использованы при подготовке Порядка проведения оценки финансового состояния бенефиций-ара, утвержденного приказом Министерства финансов Украины (шести-факторная модель). Существуют другие попытки построения статистических моделей на материалах украинских предприятий для решения отдельных исследовательских завдань.
С методической точки зрения, препятствий для создания национальных моделей диагностики банкротства нет. В состав многих современных программных пакетов статистической обработки информации входит функция БДА, что существенно упрощает и ускоряет процедуру математических обчислень.
7. Рейтинговые модели диагностики финансового состояния и угрозы банкротства представляют собой другую форму создания простой для применения системы обобщающей оценки различных характеристик объекта оценки, имеющих существенное значение для определения наличия и глубины кризиса его розвитку.
Построение рейтинговой системы предусматривает проведение следующих основных этапов работы: формирование перечня оценочных показателей финансового состояния и угрозы банкротства предприятия, определение принципа диагностики показателей ; типизация финансового состояния (выделение отдельных типов жизнеспособности и (или) стадий развертывания кризиса) установления предельных значений или идентификационных качественных признаков каждого показателя в соответствии с определенного типа финансового состояния, разработка принципов балльной оценки отдельных оценочных показателей и формирования идентификационных таблиц оценивания;
определения обобщающего критерия, интерпретация результатов рейтинговой оцинки.
Существуют различные подходы к обоснованию критериальных границ оценочных показателей, которые строятся на обработке определенного статического массива данных (например, техника кредитного скоринга) или на математической обработке (например, методика В. Витлинського).
| 4.12 Автоматизированные системы интегральной оценки кризисного состояния и угрозы банкротства предприятия | Глава 5. Теория и методология диагностики последствий возникновения ситуации банкротства |