Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях

Вопрос выживания в рыночной экономике становится очень актуальным для большинства предприятий. Руководству организации больше не на кого полагаться в решении текущих проблем, все решения нужно принимать самостоятельно, кроме того, необходимо нести за них ответственность. Вопрос в том, как принимать рациональные решения, чтобы добиться успеха и процветания, а не попасть в финансовую зависимость от кредиторов и не потерпеть неудачу.

Согласно статистическим данным проведенных опросов, сегодня большинство российских организаций, получая некоторую прибыль, тем не менее финансово нестабильны и в значительной степени подвержены банкротству. Для того, чтобы предопределить дальнейшие перспективы развития подобных организаций, необходимо, прежде всего, провести оценку их финансового состояния и вероятности банкротства, а затем на основании полученных результатов сделать ряд выводов и предложить мероприятия по устранению причин финансовой нестабильности и финансовому оздоровлению. Поэтому актуальность выбранной темы диссертации вполне очевидна.

Целью данной работы является изучение зарубежной методологии оценки вероятности банкротства и ее применения в российских условиях, а также использование методов финансового анализа для решения конкретных ситуаций.

Задачи работы:

1) рассмотреть методику оценки вероятности банкротства в модели Альтмана;

2) рассмотреть особенности модели Альтмана в российских условиях;

3) применить методы экономического анализа при решении конкретных хозяйственных ситуаций.

Полученная в результате технико-экономического анализа деятельности предприятий система показателей позволяет выявить слабые места в экономике предприятия, охарактеризовать состояние дел данного предприятия (его ликвидность, финансовую устойчивость, рентабельность, отдачу активов и так далее).

Однако на основе такого анализа обычно невозможно сделать вывод, что это предприятие потерпит неудачу или, наоборот, выживет. Выводы о вероятности банкротства можно сделать только на основании сравнения показателей этого предприятия и аналогичных предприятий, обанкротившихся или, наоборот, избежавших банкротства. Однако не всегда можно найти подходящий аналог в каждом случае, либо такой аналог может вообще не существовать.

6 стр., 2719 слов

Анализ вероятности банкротства ( на примере ООО «Жешартский ЛПК»)

... квалификационной работы «Анализ вероятности банкротства (на примере ООО «Жешартский ЛПК»)». Проблемы вероятности банкротства находят свое отражение в работах Р.С. ... конвейером транспортируется на ТМУ. 1.1.4 Структура предприятия ООО «Жешартский ЛПК» Управление организацией осуществляется в ... имеет право в принятии оперативного принятия решения. Заместитель обязан своевременно информировать работников ...

Задачу прогнозирования отказов можно решить методом дискриминантного анализа. Последний представляет собой раздел факторного статистического анализа, с помощью которого решаются задачи классификации, то есть разбиения некоторой совокупности анализируемых объектов на классы путем построения так называемой классифицирующей функции в виде корреляционной модели.

Зарубежная практика диагностики угрозы банкротства основана на модели Альтмана, или Z-шкале Альтмана. Модель Альтмана определяет интегральный показатель угрозы отказа. Расчет основан на пятифакторной модели, которая представляет собой комплексный анализ коэффициентов. Альтман определил коэффициенты значимости отдельных факторов в интегральной оценке вероятности отказа. Модель Альтмана имеет следующий вид:

Z=0,012X1+0,014X2+0,033X3+0,006X4+0,999X5, (1)

где Z- интегральный показатель уровня угрозы банкротства;

  • X1-отношение собственных оборотных активов (чистого оборотного капитала) к сумме активов;
  • X2- рентабельность активов (нераспределенная прибыль к сумме активов);
  • X3- отношение прибыли к сумме активов;
  • X4- коэффициент соотношения собственного и заемного капитала;
  • X5- оборачиваемость активов, или отношение выручки от реализации к сумме активов.

Если коэффициенты принимаются в виде долей, то формула (1) будет иметь вид:

Z=1,2X1+1,4X2+3,3X3+0,6X4+1,0X5, (2)

Зона неведения находится в интервале от 1,81 до 2,99. Чем больше значение Z, тем меньше вероятность банкротства в течение двух лет.

Уровень угрозы банкротства в модели Альтмана оценивается согласно таблице 1.

Таблица 1

Оценка уровня угрозы банкротства в модели Альтмана

Значение Z Вероятность банкротства
Менее 1,81 очень высокая
От 1,81 до 2,7 высокая
От 2,7 до 2,99 вероятность невелика
Более 2,99 вероятность ничтожна, очень низкая

Данная модель применима в условиях России только для акционерных обществ, акции которых свободно обращаются на рынке ценных бумаг, то есть имеют рыночную стоимость. Поэтому вместо модели Альтмана иногда целесообразно использовать двухфакторную модель с точки зрения прогнозирования вероятности отказа. Для этого выбираются два ключевых показателя, от которых зависит вероятность банкротства организации, например, показатель текущей ликвидности и доля заемных средств в активах. Они умножаются на соответствующие постоянные весовые коэффициенты[3, с. 37].

Предположим, что факт банкротства определяется двумя показателями: коэффициентом покрытия, то есть соотношением между текущими активами и краткосрочными обязательствами, и коэффициентом финансовой независимости, то есть соотношением между заемными средствами и общей стоимостью виды деятельности.

Первый показатель характеризует ликвидность, второй — финансовую устойчивость. Очевидно, что при прочих равных, чем ниже вероятность банкротства, тем выше коэффициент покрытия и ниже коэффициент финансовой зависимости. И наоборот, бизнес, скорее всего, потерпит неудачу из-за низкого коэффициента охвата и высокого коэффициента финансовой зависимости. Задача состоит в том, чтобы найти эмпирическое уравнение некой дискриминантной границы, которая разделит все возможные сочетания указанных показателей на два класса[4, с. 46]:

1) сочетания показателей, при которых предприятие обанкротится;

2) сочетания показателей, при которых предприятию банкротство не грозит.

Данная задача была решена американским экономистом Э. Альтманом. За определенный период времени были собраны данные о финансовом состоянии 19 компаний. По этим двум показателям положение компаний было нестабильным: половина компаний обанкротилась, а другая половина сумела выжить. Далее приемами дискриминантного анализа рассчитывались параметры корреляционной линейной функции, описывающей положение дискриминантной границы между двумя классами предприятий:

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 1 ,(3)

гдеZ- показатель классифицирующей функции

a0 – постоянный параметр

a1 параметр, показывающий степень влияния коэффициента покрытия на вероятность банкротства

Кп – коэффициент покрытия

а2 – параметр, показывающий степень влияния коэффициента финансовой зависимости на вероятность банкротства

Кфз – коэффициент финансовой зависимости

В результате статистической обработки данных была получена следующая корреляционная зависимость[2,c.50]:

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 2 ,(4)

При Z = 0 имеем уравнение дискриминантной границы. Для предприятий, у которых Z = 0, вероятность обанкротиться 50 %. Для предприятий, у которых Z < 0, вероятность банкротства меньше 50 % и далее снижается по мере уменьшения Z. Если Z > 0, то вероятность банкротства больше 50 % и возрастает с ростом Z.

Признаки параметров а1 и а2 классификационной функции связаны с характером влияния соответствующих показателей. Параметр a1 имеет знак минус, следовательно, чем выше коэффициент охвата, тем ниже индекс Z и меньше вероятность банкротства фирмы. В то же время параметр а2 имеет знак «плюс», поэтому чем выше коэффициент финансовой зависимости, тем больше Z и , следовательно, выше вероятность банкротства предприятия [1, с. 156].

Рассмотрим способ применения двухфакторной модели Альтмана на конкретном примере.

Исходные данные для расчета представлены в таблице 2.

Таблица 2

Исходные данные и результаты расчеты вероятности банкротства предприятий

Номер предприятия Коэффициент покрытия, % Коэффициент финансовой независимости, % Показатель Z Вероятность банкротства, % Фактическое положение
1 3,6 60 -0,78 17,2 нет
2 3,0 20 -2,451 0,8 нет
3 3,0 60 -0,135 42 нет
4 3,0 76 0,791 81,8 да
5 2,8 44 -1,841 15,5 нет
6 2,6 56 0,062 51,5 да
7 2,6 68 0,757 80,2 да
8 2,4 40 -0,649 21,1 да
9 2,4 60 0,509 71,5 нет
10 2,2 28 -1,129 9,6 нет
11 2,0 40 -0,221 38,1 нет
12 2,0 48 0,244 60,1 нет
13 1,8 60 1,153 89,7 да
14 1,6 20 -0,948 13,1 нет
15 1,6 44 0,441 68,8 да
16 1,2 44 0,871 83,5 да
17 1,0 24 -0,072 45 нет
18 1,0 32 0,391 66,7 да
19 1,0 66 2,012 97,9 да

В связи с тем, что двухфакторная модель не полностью описывает финансовое положение предприятия, расчетные и фактические показатели могут отличаться. Та, предприятие 8 имело Z = -0,649, то есть не должно было бы обанкротиться (вероятность банкротства около 20 %), в действительности же потерпело банкротство. При этом фирмы 9 и 12 имели положительные значения Z, но им удалось избежать банкротства.

На рисунке 1 показано поле корреляции и положение на нем дискриминантной линии для двух показателей: коэффициента покрытия и коэффициента финансовой зависимости.

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 3 Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 4Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 5Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 6

Рис. 1. Различительная линия на корреляционном поле показателей хеджирования и финансовой устойчивости.

Из рисунка 1 видно, что предприятия, у которых значения показателей коэффициента покрытия и коэффициента финансовой независимости располагаются ниже и правее дискриминантной линии, вероятнее всего обанкротятся (вероятность их банкротства превышает 50 %).

Причем, чем дальше точка индикаторов от различающей линии, тем больше вероятность отказа. Для фирм, у которых сочетание показателей финансовой устойчивости и хеджирования находится выше и левее линии дискриминации, угроза банкротства практически отсутствует. Например, точка 2 расположена над дискриминантной линией и достаточно далека от нее; она отражает состояние предприятия 2, у которого коэффициент покрытия равен 3, а коэффициент финансовой зависимости равен 20 %. Предприятие 19 имеет высокую вероятность банкротства (около 98 %), и оно действительно обанкротилось.

Выше отмечалось, что по практическим данным установлены значения для коэффициента покрытия не ниже единицы, а для коэффициента финансовой зависимости не выше 50 %. Если подставить приведенную выше двухфакторную модель Альтмана эти значения (Кп = 1 и Кфз = 50 %), то получим Z = 1,, то есть почт с 90- процентной вероятностью можно утверждать, что такое предприятие в российских условиях обязательно обанкротится.

Прогнозирование отказов с использованием двухфакторной модели в российских условиях не обеспечивает высокой точности. это объясняется тем, что данная модель не учитывает влияния на финансовое состояние предприятия других важнейших факторов и показателей, характеризующих, например, рентабельность, отдачу активов, деловую активность предприятия и так далее [9, с. 67]. Граница между отказом и безотказностью — это не тонкая грань, а размытая линия. Ошибка прогноза с помощью двухфакторной модели оценивается интервалом Δ Z = Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 7 0,65. Чем больше факторов учитывается в модели, тем точнее с ее помощью рассчитывается прогноз.

При использовании модели Альтмана возможны два типа ошибок[8, с. 156]:

  • прогнозируется сохранение платежеспособности предприятия, а в действительности происходит банкротство;
  • прогнозируется банкротство предприятия, а оно сохраняет платежеспособность.

По мнению Альтмана, с помощью пятифакторной модели прогноз банкротства на горизонте один год можно установить с точностью до 95 %. При этом ошибка первого типа возможна в 6 %, а ошибка второго типа — в 3 %случаев. отказ можно спрогнозировать на 2-летнем горизонте с точностью до 83%, при этом ошибка типа I возникает в 28% случаев, а ошибка типа II — в 6% случаев.

В 1977 году Альтман и его коллеги разработали более точную семифакторную модель. Эта модель позволяет спрогнозировать банкротство на горизонте в 5 лет с точностью до 70 %. В модели в качестве переменных используются следующие показатели[10, с. 178]:

  • рентабельность активов;
  • изменчивость или динамика прибыли;
  • коэффициент покрытия процентов по кредитам;
  • кумулятивная прибыльность;
  • коэффициент покрытия или ликвидности;
  • коэффициент автономии;
  • совокупные активы.

В таблице 3 представлена ​​информация о точности прогнозирования отказов с использованием пяти- и семифакторной модели Альтмана.

Таблица 3

Точность прогноза банкротства

Количество лет до банкротства Прогноз по пятифакторной модели Прогноз по семи факторной модели
Банкрот Небанкрот Банкрот Небанкрот
1 93,9 97 96,2 89,7
2 71,9 93,9 84,9 93,1
3 48,3 74,5 91,4
4 28,6 68,1 89,5
5 36 69,8 82,1

При проведении финансового анализа практически ко всем расчетным показателям нужно подходить критически. В то же время значение Z-индекса следует воспринимать как предупреждающий знак. В этом случае необходим тщательный анализ причин, вызвавших снижение этого показателя.

Поэтому разработанные на Западе модели прогнозирования вероятности отказа весьма применимы в современных российских условиях, но, тем не менее, имеют ряд особенностей и характеристик.

ПРАКТИЧЕСКАЯ ЧАСТЬ

ИСХОДНЫЕ ДАННЫЕ ЗАДАЧИ № 1:

Исходные данные задачи представлены в таблице 4, где X — готовая продукция на складе фирмы, Y — выручка от реализации продукции.

РЕШЕНИЕ:

1) Найдем параметры уравнения регрессии методом наименьших квадратов.

Предполагается наличие линейной связи между Х и У, то есть регрессионная модель описывается функцией:

Уi’ = а0 + а1 х,(5)

Где Уi’ – значение результативного признака;

а0 и а1 – параметры уравнения регрессии, определяемые из системы уравнений:

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 8 ,(6)

Для нахождения параметров уравнения регрессии по методу наименьших квадратов, составим расчетную таблицу (таблица 4)

Таблица 4

Расчетная таблица для нахождения параметров уравнения регрессии

№ п/п Х У Х2 ХУ У’ Уi — У’ /Уi — У’//Уi
1 18,7 5,5 349,69 102,85 6,399 -0,899 0,163455
2 15,2 4,5 231,04 68,4 5,454 -0,954 0,212
3 15 5 225 75 5,4 -0,4 0,08
4 26,8 7,6 718,24 203,68 8,586 -0,986 0,129737
5 22,3 10,5 497,29 234,15 7,371 3,129 0,298
6 24,6 7,8 605,16 191,88 7,992 -0,192 0,024615
7 27,1 7,8 734,41 211,38 8,667 -0,867 0,111154
8 35,8 10,1 1281,64 361,58 11,016 -0,916 0,090693
9 36,2 11,8 1310,44 427,16 11,124 0,676 0,057288
10 23,2 7,4 538,24 171,68 7,614 -0,214 0,028919
11 21,3 6,8 453,69 144,84 7,101 -0,301 0,044265
12 23,2 6,4 538,24 148,48 7,614 -1,214 0,189688
13 27,2 8 739,84 217,6 8,694 -0,694 0,08675
14 18,7 6,2 349,69 115,94 6,399 -0,199 0,032097
15 23,6 7,2 556,96 169,92 7,722 -0,522 0,0725
16 28 8,7 784 243,6 8,91 -0,21 0,024138
17 23,9 7,4 571,21 176,86 7,803 -0,403 0,054459
18 28,9 9,4 835,21 271,66 9,153 0,247 0,026277
19 19,6 6,5 384,16 127,4 6,642 -0,142 0,021846
20 23,4 9,2 547,56 215,28 7,668 1,532 0,166522
21 28,9 6,1 835,21 176,29 9,153 -3,053 0,500492
22 25,9 7,9 670,81 204,61 8,343 -0,443 0,056076
23 25,9 9,4 670,81 243,46 8,343 1,057 0,112447
24 27,8 10,5 772,84 291,9 8,856 1,644 0,156571
25 32,9 9,6 1082,41 315,84 10,233 -0,633 0,065938
26 30,9 11,5 954,81 355,35 9,693 1,807 0,15713
27 18,3 6,6 334,89 120,78 6,291 0,309 0,046818
28 21,6 7,2 466,56 155,52 7,182 0,018 0,0025
29 15,7 5,6 246,49 87,92 5,589 0,011 0,001964
30 22,4 9,5 501,76 212,8 7,398 2,102 0,221263
Итого 733 237,7 18788,3 6043,81 238,41 3,235601

Подставляем полученные значения из таблицы 4 в формулу (6):

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 9

Из первого уравнения выражаем а0, подставляем во второе уравнение и получаем соответствующее значение:

а1 = 0,27 и а0 = 1,33

Тогда искомое уравнение регрессии имеет вид:

Уi’= 1,33 + 0,27Х.

2) Для проверки адекватности определим среднее относительное линейное отклонение по формуле (7)

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 10 ,(7)

Подставляя значения из таблицы 4 в формулу (7), получим:

Е = 0,10 или 10 %.

Поскольку E меньше 15%, взаимосвязь между факторными и производственными характеристиками довольно тесная.

Полученное уравнение регрессии пригодно для прогнозных значений, так как значение Е меньше 15 %.

Среднегодовое значение Х = 24,43 млн. руб., тогда при среднегодовой величине готовой продукции на сладе 24, 43 млн. рублей, предполагаемая выручка от реализации на следующий год, согласно уравнению регрессии, составит: 7,93 млн. рублей.

3) Составим бюджет движения денежных средств и определим «критический период» в деятельности предприятия. в качестве исходных данных принимаем следующие сценарные условия функционирования предприятия в следующем году. Объемы продаж увеличиваются ежемесячно на 1,5% по сравнению с базовым месяцем. Предприятие проводит индивидуальную сбытовую политику на основе применения различных видов реализации при разных условиях оплаты: 25 % изделий реализуется за наличный расчет; 75 % с отсрочкой платежа на условиях 3/10 брутто 30; 80 % оплачивается в следующем месяце, из них 25 % со скидкой, а 20 % оплачивается с задержкой еще на 1 месяц.

С учетом прогнозного значения выручки от реализации 7,93 млн. рублей бюджет движения денежных средств организации представлена на рисунке 2.

Сырье закупается на сумму спроса следующего месяца, оплата поставщикам производится в течение одного месяца.

Затраты определяются в процентах от дохода: 40% — условно-переменные расходы, 15% — заработная плата, 10% — аренда, 5% — прочие. Прогнозируемое увеличение цен на сырье- 3%. Уровень инфляции – 2 % в месяц. Арендная плата и заработная плата выплачиваются в месяце, следующем за месяцем, в котором они произошли. Единый социальный налог составляет 35,6 % от зарплаты. Ставка налога на прибыль 24 %.

В конце каждого квартала (март, июнь, сентябрь, декабрь) планируется вкладывать в модернизацию производства 31 000 рублей. Другой вариант предусматривает расходы предприятия по реконструкции технологических линий в следующем размере: март — 100 000 руб., Июнь, сентябрь, декабрь — 310 000 руб. Остаток денежных средств на 1 января составляет 17890 рублей. Этой суммы не хватило, и было принято решение о целевом балансе 34 000 рублей. Его стоимость в последующие месяцы изменится пропорционально уровню инфляции.

В таблице 5 представлен первый вариант бюджета движения денежных средств организации.

Таблица 5

Бюджет движения денежных средств организации, руб. (1 вариант)

Показатель Исходные данные январь февраль март апрель май июнь июль август сентябрь октябрь ноябрь декабрь
1. Реализация
Выручка 660833 670745,5 680806,7 691018,8 701384,1 711904,8 722583,4 733422,1 744423,5 755589,8 766923,7 778427,5 790103,9
Затраты на сырье 276347,1439 280492,4 284699,7 288970,2 293304,8 297704,4 302169,9 306702,5 311303 315972,6 320712,1 325522,8 330405,7
Заработная плата 99124,95 101107,4 103129,6 105192,2 107296 109442 111630,8 113863,4 116140,7 118463,5 120832,8 123249,4 125714,4
Начисления(ЕСН) 35288,4822 35994,25 36714,14 37448,42 38197,39 38961,34 39740,56 40535,37 41346,08 42173 43016,46 43876,79 44754,33
Аренда 66083,3 67404,97 68753,07 70128,13 71530,69 72961,3 74420,53 75908,94 77427,12 78975,66 80555,17 82166,28 83809,6
Прочие расходы 33041,65 33702,48 34376,53 35064,06 35765,34 36480,65 37210,26 37954,47 38713,56 39487,83 40277,59 41083,14 41904,8
Операционная прибыль 150947,4739 152044 153133,6 154215,7 155289,8 156355,2 157411,3 158457,5 159493 160517,3 161529,5 162529,1 163515,1
Налог на прибыль 36227,39373 36490,56 36752,07 37011,78 37269,56 37525,25 37778,72 38029,79 38278,33 38524,15 38767,09 39006,98 39243,63
Чистая прибыль 114720,0801 115553,4 116381,5 117204 118020,3 118830 119632,6 120427,7 121214,7 121993,1 122762,5 123522,1 124271,5
2. Затраты на сырье
Приобретение 284699,7 288970,2 293304,8 297704,4 302169,9 306702,5 311303 315972,6 320712,1 325522,8 330405,7 340317,8
Оплата 276347,1 280492,4 284699,7 288970,2 293304,8 297704,4 302169,9 306702,5 311303 315972,6 320712,1 325522,8
3. Денежный поток
3.1. Приток средств
Наличный расчет 167686,4 170201,7 172754,7 175346 177976,2 180645,8 183355,5 186105,9 188897,5 191730,9 194606,9 197526
Кредит прошлого месяца 393518,2 399421 405412,3 411493,5 417665,9 423930,9 430289,9 436744,2 443295,4 449944,8 456694 463544,4
Кредит позапрошлого месяца 80291,21 99124,95 100611,8 102121 103652,8 105207,6 106785,7 108387,5 110013,3 111663,5 113338,5 115038,6
Итого поступлений 641495,8 668747,6 678778,8 688960,5 699294,9 709784,3 720431,1 731237,6 742206,1 753339,2 764639,3 776108,9
3.2. Остаток средств
Оплата сырья 276347,1 280492,4 284699,7 288970,2 293304,8 297704,4 302169,9 306702,5 311303 315972,6 320712,1 325522,8
Выплата зарплаты 99124,95 101107,4 103129,6 105192,2 107296 109442 111630,8 113863,4 116140,7 118463,5 120832,8 123249,4
Уплата ЕСН 35288,48 35994,25 36714,14 37448,42 38197,39 38961,34 39740,56 40535,37 41346,08 42173 43016,46 43876,79
Оплата аренды 66083,3 67404,97 68753,07 70128,13 71530,69 72961,3 74420,53 75908,94 77427,12 78975,66 80555,17 82166,28
Уплата налогов 36227,39 36490,56 36752,07 37011,78 37269,56 37525,25 37778,72 38029,79 38278,33 38524,15 38767,09 39006,98
Прочие расходы 33702,48 34376,53 35064,06 35765,34 36480,65 37210,26 37954,47 38713,56 39487,83 40277,59 41083,14 41904,8
Модернизация производства 0 0 31000 0 0 31000 0 0 31000 0 0 31000
Итого отток 546773,8 555866,1 596112,7 574516,1 584079,1 624804,5 603695 613753,5 654983 634386,4 644966,8 686727,1
Салдо денежного потока 94722,05 112881,5 82666,16 114444,4 115215,8 84979,88 116736,1 117484 87223,1 118952,8 119672,5 89381,82
4. Излишек (дефицит) средств на счете
Остаток на начало месяца 17890 112612,1 225493,6 308159,7 422604,1 537820 622799,8 739536 857020 944243,1 1063196 1182868
Остаток на конец месяца 112612,1 225493,6 308159,7 422604,1 537820 622799,8 739536 857020 944243,1 1063196 1182868 1272250
Целевое сальдо 34000 34680 35373,6 36081,07 36802,69 37538,75 38289,52 39055,31 39836,42 40633,15 41445,81 42274,73
Излишек (дефицит) 78612,05 190813,6 272786,1 386523,1 501017,3 585261,1 701246,4 817964,7 904406,7 1022563 1141423 1229976

В таблице 6 показан второй вариант денежного потока организации.

Таблица 6

Бюджет движения денежных средств организации, руб. (2 вариант)

Показатель Исходные данные январь февраль март апрель май июнь июль август сентябрь октябрь ноябрь декабрь
1. Реализация
Выручка 660833 670745,5 680806,7 691018,8 701384,1 711904,8 722583,4 733422,1 744423,5 755589,8 766923,7 778427,5 790103,9
Затраты на сырье 276347,1439 280492,4 284699,7 288970,2 293304,8 297704,4 302169,9 306702,5 311303 315972,6 320712,1 325522,8 330405,7
Заработная плата 99124,95 101107,4 103129,6 105192,2 107296 109442 111630,8 113863,4 116140,7 118463,5 120832,8 123249,4 125714,4
Начисления(ЕСН) 35288,4822 35994,25 36714,14 37448,42 38197,39 38961,34 39740,56 40535,37 41346,08 42173 43016,46 43876,79 44754,33
Аренда 66083,3 67404,97 68753,07 70128,13 71530,69 72961,3 74420,53 75908,94 77427,12 78975,66 80555,17 82166,28 83809,6
Прочие расходы 33041,65 33702,48 34376,53 35064,06 35765,34 36480,65 37210,26 37954,47 38713,56 39487,83 40277,59 41083,14 41904,8
Операционная прибыль 150947,4739 152044 153133,6 154215,7 155289,8 156355,2 157411,3 158457,5 159493 160517,3 161529,5 162529,1 163515,1
Налог на прибыль 36227,39373 36490,56 36752,07 37011,78 37269,56 37525,25 37778,72 38029,79 38278,33 38524,15 38767,09 39006,98 39243,63
Чистая прибыль 114720,0801 115553,4 116381,5 117204 118020,3 118830 119632,6 120427,7 121214,7 121993,1 122762,5 123522,1 124271,5
2. Затраты на сырье
Приобретение 284699,7 288970,2 293304,8 297704,4 302169,9 306702,5 311303 315972,6 320712,1 325522,8 330405,7 340317,8
Оплата 276347,1 280492,4 284699,7 288970,2 293304,8 297704,4 302169,9 306702,5 311303 315972,6 320712,1 325522,8
3. Денежный поток
3.1. Приток средств
Наличный расчет 167686,4 170201,7 172754,7 175346 177976,2 180645,8 183355,5 186105,9 188897,5 191730,9 194606,9 197526
Кредит прошлого месяца 393518,2 399421 405412,3 411493,5 417665,9 423930,9 430289,9 436744,2 443295,4 449944,8 456694 463544,4
Кредит позапрошлого месяца 80291,21 99124,95 100611,8 102121 103652,8 105207,6 106785,7 108387,5 110013,3 111663,5 113338,5 115038,6
Итого поступлений 641495,8 668747,6 678778,8 688960,5 699294,9 709784,3 720431,1 731237,6 742206,1 753339,2 764639,3 776108,9
3.2. Остаток средств
Оплата сырья 276347,1 280492,4 284699,7 288970,2 293304,8 297704,4 302169,9 306702,5 311303 315972,6 320712,1 325522,8
Выплата зарплаты 99124,95 101107,4 103129,6 105192,2 107296 109442 111630,8 113863,4 116140,7 118463,5 120832,8 123249,4
Уплата ЕСН 35288,48 35994,25 36714,14 37448,42 38197,39 38961,34 39740,56 40535,37 41346,08 42173 43016,46 43876,79
Оплата аренды 66083,3 67404,97 68753,07 70128,13 71530,69 72961,3 74420,53 75908,94 77427,12 78975,66 80555,17 82166,28
Уплата налогов 36227,39 36490,56 36752,07 37011,78 37269,56 37525,25 37778,72 38029,79 38278,33 38524,15 38767,09 39006,98
Прочие расходы 33702,48 34376,53 35064,06 35765,34 36480,65 37210,26 37954,47 38713,56 39487,83 40277,59 41083,14 41904,8
Модернизация производства 0 0 100000 0 0 31000 0 0 31000 0 0 31000
Итого отток 546773,8 555866,1 665112,7 574516,1 584079,1 624804,5 603695 613753,5 654983 634386,4 644966,8 686727,1
Салдо денежного потока 94722,05 112881,5 13666,16 114444,4 115215,8 84979,88 116736,1 117484 87223,1 118952,8 119672,5 89381,82
4. Излишек (дефицит) средств на счете
Остаток на начало месяца 17890 112612,1 225493,6 239159,7 353604,1 468820 553799,8 670536 788020 875243,1 994195,9 1113868
Остаток на конец месяца 112612,1 225493,6 239159,7 353604,1 468820 553799,8 670536 788020 875243,1 994195,9 1113868 1203250
Целевое сальдо 34000 34680 35373,6 36081,07 36802,69 37538,75 38289,52 39055,31 39836,42 40633,15 41445,81 42274,73
Излишек (дефицит) 78612,05 190813,6 203786,1 317523,1 432017,3 516261,1 632246,4 748964,7 835406,7 953562,7 1072423 1160976

Первый вариант показал, что у организации всегда есть избыток средств с учетом целевого баланса. Во втором варианте аналогично организация имеет излишек средств по всем месяцам.

ВЫВОДЫ:

  • Использование бюджетирования в управлении финансами позволяет6 заранее оценить экономическую состоятельность, обеспечивая финансовую устойчивость субъекта хозяйствования;
  • сделать хозяйственную деятельность «прозрачной», то есть более привлекательной для инвесторов;
  • выявить и вовлечь в дело неработающие и неэффективные активы, оптимизировать их структуру. Финансовый менеджмент — это процесс, направленный на увеличение производственных мощностей компании и достижение определенных результатов.

Задача № 2

УСЛОВИЕ ЗАДАЧИ:

Составьте отчет о прибылях и убытках для компаний A, C и K и на основе сравнения коэффициентов PMOS, BEP, ROE, ROI оцените адекватность финансовой политики, проводимой в различных состояниях экономики. Налог на прибыль 24 %. Сценарные условия функционирования фирм и другие показатели представлены в таблице 7

Таблица 7

Исходные данные для расчета , руб.

Показатель Фирма А Фирма С Фирма К
Выручка при подъеме экономики 1440 1500 1560
Выручка при стабильной экономике 1080 1200 1380
Выручка при спаде экономики 840 960 1260
Акционерный капитал 180 240 300
Краткосрочные кредиты (18,5 %) 240 120 60
Долгосрочные кредиты (24,5 %) 120 240
Затраты на реализацию 240 + 0,7 В 324 + 0,65 В 462 + 0,6 В

РЕШЕНИЕ:

1) Составляем отчет о прибылях и убытках для фирмы А при различных состояниях экономики в таблице 8

Таблица 8

Отчет о прибылях и убытках фирмы. А, руб.

Показатель Состояние экономики
Подъем Стабильное Спад
Выручка от реализации 1440 1080 840
Затраты на реализованную продукцию 1248 996 828
Прибыль до вычета процентов 192 84 12
Проценты к уплате 44,4 44,4 44,4
Прибыль до вычета налогов 147,6 39,6 -32,4
Налог на прибыль (24 %) 35,424 9,504 0
Чистая прибыль 112,176 30,096 0

2) далее рассчитываем коэффициенты рентабельности для фирмы А в таблице 9

Таблица 9

Коэффициенты рентабельности фирмы А, %

Показатель Обозначение Расчет Состояние экономики
Подъем Стабильное Спад
Коэффициент рентабельности реализованной продукции PMOS чистая прибыли к выручке 7,79 2,8
Коэффициент генерирования доходов BEP прибыль до вычета процентов и налогов к сумме активов 45,7 20 2,9
Коэффициент рентабельности активов ROA чистая прибыль к сумме активов 26,7 7,2
Коэффициент рентабельности собственного капитала ROE чистая прибыль к собственному капиталу 62,32 16,72
Коэффициент рентабельности инвестированного капитала ROI чистая прибыль и проценты к общему капиталу 122,7 40,7

3) составляем отчет о прибылях и убытках для фирмы С в таблице 10

Таблица 10

Отчет о прибылях и убытках для фирмы С, руб.

Показатель Состояние экономики
Подъем Стабильное Спад
Выручка от реализации 1500 1200 960
Затраты на реализованную продукцию 1290 1080 912
Прибыль до вычета процентов 210 120 48
Проценты к уплате 44,4 44,4 44,4
Прибыль до вычета налогов 165,6 75,6 3,6
Налог на прибыль (24 %) 39,744 18,144 0
Чистая прибыль 125,856 57,456 0

Таблица 11

Коэффициенты рентабельности для фирмы С, %

Показатель Обозначение Расчет Состояние экономики
Подъем Стабильное Спад
Коэффициент рентабельности реализованной продукции PMOS чистая прибыль к выручке 8,9 7,1
Коэффициент генерирования доходов BEP прибыль до вычета процентов и налогов к сумме активов 47,5 36,3 28,8
Коэффициент рентабельности активов ROA чистая прибыль к сумме активов 29,1 20,5
Коэффициент рентабельности собственного капитала ROE чистая прибыль к собственному капиталу 58,1 41,0
Коэффициент рентабельности инвестированного капитала ROI чистая прибыль и проценты к общему капиталу 148,8 107,7

4) далее составляем отчет о прибылях и убытках для фирмы К

Таблица 12

Отчет о прибылях и убытках для фирмы К, руб.

Показатель Состояние экономики
Подъем Стабильное Спад
Выручка от реализации 1560 1380 1260
Затраты на реализованную продукцию 1332 1206 1122
Прибыль до вычета процентов 228 174 138
Проценты к уплате 44,4 44,4 44,4
Прибыль до вычета налогов 183,6 129,6 93,6
Налог на прибыль (24 %) 44,064 31,104 0
Чистая прибыль 139,536 98,496 0

Таблица 13

Коэффициенты рентабельности для фирмы К, %

Показатель Обозначение Расчет Состояние экономики
Подъем Стабильное Спад
Коэффициент рентабельности реализованной продукции PMOS чистая прибыль к выручке 8,9 7,1
Коэффициент генерирования доходов BEP прибыль до вычета процентов и налогов к сумме активов 38,0 29,0 23,0
Коэффициент рентабельности активов ROA чистая прибыль к сумме активов 23,3 16,4
Коэффициент рентабельности собственного капитала ROE чистая прибыль к собственному капиталу 46,5 32,8
Коэффициент рентабельности инвестированного капитала ROI чистая прибыль и проценты к общему капиталу 146,9 105,9

ВЫВОДЫ:

В условиях данного сценария коэффициенты рентабельности показывают: если экономика находится в состоянии восстановления, у фирмы A наиболее эффективная политика; если экономика находится в состоянии рецессии, все фирмы несут убытки.

Недостатком агрессивной политики является более высокий уровень риска, поскольку фирма может оказаться в ситуации, когда она будет вынуждена согласиться на повышение процентной ставки при возобновлении ссуды, если она не может быть погашена. Основная цель других стратегий — минимизировать риск того, что фирма не сможет выплатить свои обязательства. Следовательно, консервативная финансовая политика предпочтительнее критерия минимизации рисков.

Задача № 3

УСЛОВИЕ ЗАДАЧИ:

необходимо построить дерево решений для оценки рисков и определения привлекательности инвестиционного проекта, рассчитанного на 2 года. Проект требует первоначальных инвестиций в размере 185 000 долларов США и финансируется за счет банковского кредита. Ожидается, что процентная ставка будет меняться по годам следующим образом: 14 %, 16 %. Распределение вероятностей денежного потока представлено в таблице 14

Таблица 14

Распределение вероятностен денежного потока проекта

CF1 = 91400

P1 = 0,33

CF1= 123500

P1 =0.34

CF1= 143800

P1=0.33

CF2i P2i CF2i P2i CF2i P2i
96400 0,32 127800 0.37 135900 0.32
113100 0,35 131600 0.41 137800 0.39
137200 0,33 135600 0.22 141700 0.29

РЕШЕНИЕ:

Дерево решений этого проекта представлено на рисунке 3

96400

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 11 0,32

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 12

113100

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 13

91400

0,35

137200

127800

0,33

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 140,330,37

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 15

131600

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 16

91400

0,41

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 17

135600

135900

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 18 0,340,22

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 19

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 20

137800

0,330,320,39

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 21

141700

91400

0,29

Определим суммарный денежный поток проекта в таблице

Таблица 15

Расчет суммарного денежного потока проекта

Путь CF1i Р1i CF2i P2i PVi P1,2i PV * P1,2i
1 91400 0,33 96400 0,32 -46926,8 0,1056 -4955,47
2 91400 0,33 113100 0,35 -34298,2 0,1155 -3961,45
3 91400 0,33 137200 0,33 -16073,8 0,1089 -1750,44
4 123500 0,34 127800 0,37 4975,802 0,1258 625,9558
5 123500 0,34 131600 0,41 7849,365 0,1394 1094,201
6 123500 0,34 135600 0,22 10874,17 0,0748 813,3878
7 143800 0,33 135900 0,32 28908,05 0,1056 3052,69
8 143800 0,33 137800 0,39 30344,83 0,1287 3905,379
9 143800 0,33 141700 0,29 33294,01 0,0957 3186,237
ИТОГО 2010,496

Значение Pvi рассчитано по формуле (8):

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 22 ,(8)

Значение Р1,2i определяют по формуле (9)

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 23 ,(9)

Суммарная ожидаемая PV определена как сумма произведений Pvi на совместные вероятности:

Банковское дело : Зарубежная методика оценки вероятности банкротства и ее применение в российских условиях 24 ,(10)

Она равна 2010,5 $.

ВЫВОДЫ:

Поскольку ожидаемая общая PV положительна, при отсутствии других альтернатив проект может быть принят. В общем случае предпочтение следует отдать проекту с большей суммарной PV.

С увеличением количества периодов реализации проекта даже при постоянном количестве альтернатив древовидная структура значительно усложняется.

Заключение

В ходе работы основная цель, поставленная во введении, была достигнута. Исследована модель Альтмана и особенности ее применения в современных российских условиях, использованы методы финансового анализа для решения конкретных экономических ситуаций. В заключение сделаем несколько основных выводов:

1) модель Альтмана была предложена экономистом Э. Альтмана, в котором решалась задача нахождения эмпирических уравнений некой различающей границы, которая делит все возможные комбинации показателей финансовой устойчивости на два класса: несостоятельные фирмы и фирмы, не являющиеся банкротами.

2) в общем виде модель Альтмана – это пятифакторная модель, в которую включаются пять показателей, характеризующих разные стороны финансового положения организации: доля оборотных средств в активах; рентабельность активов, исчисленная по нераспределенной прибыли; рентабельность активов, исчисленная по балансовой прибыли; коэффициент покрытия; отдача от всех активов;

3) применительно к российским условиям модель Альтмана несколько упрощается и включает всего два показателя: коэффициент покрытия и финансовой независимости организации;

4) при решении задачи № 1 мы выяснили, что использование бюджетирования в управлении финансами предприятия позволяет организации заранее оценивать экономическую состоятельность, обеспечивая устойчивость хозяйствующего субъекта;

5) при решении задачи № 2, мы пришли к выводу, что наиболее подходящей политикой для организаций является политика «Агрессора» в растущей и стабильной экономике. Однако в условиях спада практически все организации несут убытки.

6) При оценке внедряемых проектов в общем случае следует отдавать предпочтение тому проекту, у которого значение приведенной стоимости наибольшее.

Список использованной литературы

[Электронный ресурс]//URL: https://urveda.ru/referat/veroyatnost-bankrotstva/

1) Ковалев А.И., Привалов В.П. Анализ финансового состояния предприятия. – 4 изд., испр., доп. – М.: Центр экономки и маркетинга, 2000. 208 с.

2) Ковалев А.П. Диагностика банкротства. – М.: Финстатинформ, 1995. 96 с.

3) Латушкина Н.М. Теория экономического анализа. – Тюмень: Изд- во ТГУ, 2003. – 152 с

4) Левин А.Е. Технико-экономический анализ деятельности организаций: Учеб. пособ. – М.: МИКХиС, 2002. – 56с

5) Пястолов С.М. Анализ финансово- хозяйственной деятельности предприятия: Учеб. – М.: Мастерство, 2001. – 336 с.

6) Справочное пособие директору производственного объединения (предприятия) В 2 т./ Под ред. Е.А. Егиазаряна и А.Д. Шеремета. – М. : Экономика, 1997

7) Шеремет А.Д., Сайфулин Р.С. Финансы предприятия. – М.: Инфра- М, 1997. — 343 с.

8) Шеремет А.Д., Сайфулин Р.С. Методика финансового анализа. – М.: Инфра- М, 1996. – 176 с.

9) Финансы: Учеб.- М.: ИД ФБК-Пресс, 2000. – 760 с.

10) Черкасова И.О. Анализ хозяйственной деятельности. – СПб.: Нева, 2003. – 192 с.