Васина Н.В.

Логит-регрессионная техника моделирования финансового состояния организаций АПК

В зарубежных странах для оценки финансового состояния и прогнозирования риска банкротства широко используются интегральные показатели, рассчитанные с помощью многомерного дискриминантного анализа.

В настоящее время в России разработано большое количество разнообразных методов, позволяющих оценивать и прогнозировать финансовое состояние и кредитоспособность  организации. Теоретические и методологические вопросы оценки финансового состояния и несостоятельности российских организаций нашли отражение в работах Беликова А. Ю., Бердникова Т. Б., Васиной Н.В., Грачева А. В., Давыдовой Г. В., Донцовой Л. В., Ендовицкого Д. А., Ендовицкой А. В., Зайцевой О. П., Кадыкова Г. Г., Ковалева В. В., Никифоровой Н.А., Патласова О. Ю., Савицкой Г. В., Сайфулина Р. С.,  Сергиенко О. В., Стояновой Е. С.,  Федотовой М. А., Фомина П. А. Авторами предлагались ранее  модели на основе различных техник моделирования: пошаговой регрессии, дискриминантного анализа и пр. [1,2,3,4]

Для получения достоверных результатов в практической деятельности организациями применяется не один, а совокупность нескольких методов. Такая информация не распространяется, поэтому нет однозначного ответа на вопрос какой из возможных методов является лучшим. Выбор метода или совокупности методов, применяемых банком во многом зависит от его стратегии, а так же, какие требования банк считает приоритетными при разработке моделей.

Из всех видов риска для российского банковского сектора наиболее существенным в настоящее время является кредитный. Из-за потенциально опасных последствий кредитного риска важно провести всесторонний анализ банковских возможностей по оценке, администрированию, наблюдению, контролю, осуществлению и возврату кредитов, авансов, гарантий и прочих кредитных инструментов.

При оценке кредитоспособности заемщика наиболее часто встречаются методики, опирающиеся на требования положений Банка России № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» от 26 марта 2004 года и № 283-П «О порядке формирования кредитными организациями резервов на возможные потери» от 20 марта 2006 года. Основная цель данных методик - минимизация резервов, создаваемых с учетом требований законодательства. Какую из методик выбрать, банк решает самостоятельно - ему предоставлено такое право. Состав конкретных показателей и их критерии закрепляются внутренними документами. Законодательно определены лишь признаки ухудшения финансового положения (появление картотеки неоплаченных документов к счетам заемщика, резкое уменьшение величины чистых активов, отсутствие информации о заемщике) или признаки ухудшения качества обслуживания долга - наличие просроченных платежей по процентам или сумме основного долга, либо реструктуризация ссуды.

Для построения логит регрессионной модели, позволяющей оценивать финансовое состояние заемщика, нами были использованы финансовые показатели, рассчитанные на основании данных годовой бухгалтерской отчетности всех организаций сельского хозяйства Омской области. В основу отбора факторов риска для проведения классификации заемщика заложена  Методика оценки кредитоспособности заемщиков (юридических лиц), применяемая Сбербанком России: Регламент предоставления кредитов юридическим лицам и индивидуальным предпринимателям Сбербанком РФ и его филиалами (утвержденный Комитетом по предоставлению кредитов и инвестиций Сбербанка России 30.06.2006г., протокол № 322).

Для оценки кредитоспособности заемщика Сбербанком используются три группы оценочных показателей:

• коэффициенты ликвидности – коэффициент абсолютной ликвидности (К1), коэффициент быстрой ликвидности (К2), коэффициент текущей ликвидности (К3);

• показатели оборачиваемости и рентабельности – оборачиваемость оборотных активов, оборачиваемость дебиторской задолженности, оборачиваемость запасов, рентабельность продукции (рентабельность продаж) К5, рентабельность деятельности предприятия (К6), рентабельность вложений в предприятие.

Основными оценочными показателями являются коэффициенты К1, К2, КЗ, К4, К5 и К6. Оценка результатов расчетов шести коэффициентов заключается в присвоении категории по каждому из этих показателей на основе сравнения полученных значений с установленными достаточными.

При построении логит регрессионной модели были рассчитаны 6 основных коэффициентов, предусмотренных методикой Сбербанка.

Применив метод подстановки данных, определили экспериментальным путем границы классов в баллах по 100-бальной системе, взяв за основу Методику расчета показателей финансового состояния сельскохозяйственных товаропроизводителей (Постановление Правительства РФ от 30 января 2003 г. № 52). По результатам исследований получено, что: 1 класс кредитоспособности – от 100 до 69 баллов (включительно); 2 класс кредитоспособности – от 69 до 26 баллов (включительно); 3 класс кредитоспособности – ниже 26 баллов.

Для того, чтобы построить уравнение регрессии необходимо сформировать исходную матрицу. Данные в матрицах формируются по годам, природно-хозяйственным зонам и в целом по Омской области. Для исследования использовались данные годовых отчетов сельскохозяйственных организаций Омской области за 2005 - 2007 гг. Обработка данных проводилась с использованием программы SPSS. После ввода данных, представленных в матрице, получена следующая информация. В таблицах 1-3 представлены общие результаты оценки шестифакторной регрессионной модели, построенной на основании данных годовых бухгалтерских отчетов 270 сельскохозяйственных организаций  Омской области за 2007 год.

Таблица 1

Observed

Predicted

VAR00007

Percentage Correct

0,00

1,00

Step 1

VAR00007

0,00

115

4

96,6

1,00

2

149

98,7

Overall Percentage

97,8

a  The cut value is ,500

Таблица 2

Обобщенные результаты прогноза данных

Таблица 3

Данные для построения уравнения регрессии

Variables in the Equation

Значимое уравнение регрессии получается при использовании всех отобранных шести коэффициентов одновременно. По результатам проведенного моделирования получено следующее уравнение регрессии:

У = - 13,03 + 2,79К1 – 0,64К2 + 0,84К3 + 16,49К4 + 3,33К5 + 0,58К6 (1)

В данной модели высокую ошибку показывает коэффициент абсолютной ликвидности,  коэффициент наличия собственных средств, рентабельность продаж. Однако, данная модель  построена под регламент Сбербанка, поэтому исключение из модели, например, показателя абсолютной ликвидности, рентабельности продаж как слабоотражающих реальную финансовую ситуацию в сельском хозяйстве, представляется не целесообразным.

Вероятность наступления задержки платежей по кредиту  рассчитывается по формуле:

(2)

Если для р получится значение меньшее 0,5, то можно предположить, что банкротство не наступит; в противном случае предполагается финансовый крах.

Преимуществом моделирования перед регламентом является возможность учета отраслевой специфики, региональных особенностей, этапа жизненного цикла фирмы, размера компании и иных условий хозяйствования. В соответствии с предложенной методикой создан комплекс логит регрессионных моделей, позволяющий прогнозировать финансовое состояние и кредитоспособность организаций, находящихся в различных условиях хозяйствования. Модели могут применяться кредитными аналитиками банков, финансовыми аналитиками и руководством организаций с целью прогнозирования финансового состояния организации.

Предлагаемые методы оценки кредитоспособности  организации приемлемы для российских условий, они адаптированы к аграрному сектору. Модели созданы на региональном массиве данных, что позволяет лучше учесть специфику и разработать модель, позволяющую более точно оценить финансовое состояние сельскохозяйственных организаций отдельной области. Модели позволяют организациям оценить свое финансовое состояние с позиции банков и получить информацию о соответствии требованиям, предъявляемым кредитными учреждениями. Своевременное получение такой информации позволит принять управленческие решения, способствующие улучшению финансового состояния организации.

Литература

1. Васина Н. В. Моделирование финансового состояния сельскохозяйственных организаций при оценке их кредитоспособности. Омск: НОУ ВПО ОмГА, 2012. 252 с.

2. Патласов О. Ю., Васина Н. В. Комплекс моделей оценки финансового состояния для целей анализа кредитоспособности заемщика // Экономика сельскохозяйственных и перерабатывающих предприятий. 2008. № 12. С. 85 – 90.

3. Патласов О. Ю., Васина Н. В. Моделирование оценки возможности привлечения заемных средств предпринимательскими структурами // Аудит и финансовый анализ. 2009 г. № 5. С. 102 – 109.

4. Patlasov O. Y., Vasina N. V. FINANCIAL MODELING OF BORROWERS‘ CREDITWORTHINESS // OLSZTYN ECONOMIC JOURNAL. 2010. № 5 (1). С.  159 – 173.