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

Реферат

Вопрос выживания в условиях рыночной экономики для большинства предприятий становится очень актуальным. Руководству организации больше не на кого положиться при решении текущих проблем, все решения приходится принимать самостоятельно, более того, необходимо нести за них ответственность. Вопрос в том, как принимать рациональные решения, чтобы достичь успеха и процветания, а не попасть в финансовую зависимость к кредиторам и стать банкротом.

По статистическим данным проведенных обследований большинство российский организаций сегодня, получая определенную прибыль, тем не менее, финансово неустойчивы 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 дипломной работы является вполне очевидной.

Целью данной работы является изучение зарубежной методики оценки вероятности банкротства и ее применения в российских условиях, а также использование методов финансового анализа при решении 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 сделать вывод, что данное предприятие обанкротиться или, наоборот, выживет обычно невозможно. Выводы о вероятности банкротства можно сделать только на основе сопоставления показателей данного предприятия и аналогичных предприятий, обанкротившихся или, наоборот, избежавших банкротства. Однако подыскать в каждом случае подходящий аналог не всегда представляется возможным или такого аналога вообще может не существовать.

6 стр., 2719 слов

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

... обусловило выбор темы выпускной квалификационной работы «Анализ вероятности банкротства (на примере ООО «Жешартский ЛПК»)». Проблемы вероятности банкротства находят свое отражение в работах Р.С. Сайфуллина, О. П. Зайцевой, ... RSV 4. Полученная щепа конвейером транспортируется на ТМУ. 1.1.4 Структура предприятия ООО «Жешартский ЛПК» Управление организацией осуществляется в соответствии с действующим ...

Задача прогнозирования банкротства может быть решена 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.

В основе зарубежной практики диагностики угрозы банкротства лежит модель Альтмана, или Z-счет Альтмана. Модель Альтмана определяет интегральный показатель угрозы банкротства. В основе расчета лежит пятифакторная модель, представляющая комплексный коэффициентный анализ. Альтман определил коэффициенты значимости отдельных факторов в интегральной оценке вероятности банкротства. 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

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

Предположим, что факт банкротства определяют два показателя: коэффициент покрытия, то есть отношение текущих активов к краткосрочным обязательствам, и коэффициент финансовой независимости, то есть отношение заемных средств к общей стоимости активов.

Первый показатель характеризует ликвидность, второй — финансовую устойчивость. Очевидно, что при прочих равных условиях вероятность банкротства тем меньше, ем больше коэффициент покрытия и меньше коэффициент финансовой зависимости. И, наоборот, предприятие наверняка станет банкротом при низком коэффициенте покрытия высоком коэффициенте 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 были собраны данные о финансовом состоянии 19 предприятий. По указанным двум показателям положение предприятий было неустойчивым: одна половина предприятий обанкротилась, а другая — смогла 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.

Знаки параметров а1 и а2 классифицирующей функции связаны с характером влияния соответствующих показателей. Параметр а1 имеет знак «минус», поэтому чем больше коэффициент покрытия, тем меньше показатель Z и тем меньше вероятность банкротства предприятия. 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 методику применения двухфакторном 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 силу того, что двухфакторная модель не полностью описывает финансовое положение предприятия, расчетные и фактические показатели могут расходиться. Та, предприятие 8 имело Z = -0,649, то есть не должно было бы обанкротиться (вероятность банкротства около 20 %), в действительности же потерпело банкротство. В то же время предприятия 9 и 12 имели положительные значения Z, но они сумели избежать банкротства.

На рисунке 1 представлено корреляционное поле 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 3Банковское 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. Дискриминантная линия на корреляционном поле показателей покрытия 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 %).

При этом, чем дальше отстоит точка показателей от дискриминантной линии, тем выше вероятность банкротства. Для предприятий, у которых сочетание значений показателей финансовой устойчивости и покрытия находится выше и левее дискриминантной линии, почти нет угрозы банкротства. 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 банкротства 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]. Дискриминантная граница между банкротами и небанкротами имеет вид не тонкой линии, а размытой полосы. 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 будет учтено в модели, тем, естественно, точнее рассчитанный с ее помощью 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. Спрогнозировать банкротство на горизонте в 2 года удается с точностью до 83 %, при этом ошибка первого рода имеет место в 28 % случаях, а ошибка второго рода имеет место в 6 % случаев.

В 1977 году Альтман со своими коллегами разработал более точную семи факторную 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 приведены сведения о точности прогнозирования банкротства с помощью пятифакторной и семи факторной 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 к любому оценочному показателю нужно подходить критически. Вместе с тем значение показателя Z следует воспринимать как сигнал опасности. В этом случае необходим глубокий анализ причин, вызвавших снижение этого показателя.

Таким образом, разработанные на Западе модели прогнозирования вероятности банкротства весьма применимы и в современных российских условиях, но, тем не менее, имеют ряд особенностей и характерных черт.

ПРАКТИЧЕСКАЯ ЧАСТЬ

ИСХОДНЫЕ ДАННЫЕ ЗАДАЧИ № 1:

Исходные данные задачи представлены в таблице 4, где Х — готовая продукция на складе предприятия, У – 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 %.

Так как Е меньше 15 %, то связь между факторным и результативным признаками достаточно 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 с темпом прироста в месяц 1,5 % от базового месяца. 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 в размере потребности следующего месяца, оплата поставщикам производится через месяц.

Издержки определяются в процентах от выручки: 40 % — условно- переменные издержки, 15 % — заработная плата, 10 % — аренда, 5 % — прочие. Прогнозируемое увеличение цен на сырье- 3%. Уровень инфляции – 2 % в месяц. Аренда и зарплата выплачиваются в месяц, следующий за месяцем их возникновения. 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, связанные с реконструкцией технологических линий в следующем размере: март – 100000 рублей, июнь, сентябрь, декабрь по 310000 рублей. Остаток денежных средств на 1 января составляет 17890 рублей. Этой суммы недостаточно и решено иметь целевой остаток в размере 34000 рублей. Его величина изменяется в следующие месяцы пропорционально темпу 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 представлен второй вариант движения денежных средств 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

Вариант первый показал, что в организации всегда наблюдается излишек денежных средств с учетом целевого сальдо. Во втором варианте аналогично в организации наблюдается излишек денежных средств во все месяцы.

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. Управление финансами представляет собой процесс, имеющий целью наращивание производственного потенциала предприятия и достижение определенных результатов.

Задача № 2

УСЛОВИЕ ЗАДАЧИ:

Составить отчет о прибылях и убытках для фирм А, С и К и на основании сопоставления коэффициентов PMOS, BEP, ROE, ROI оценить адекватность проводимых финансовых политик различным состояниям 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:

При заданных сценарных условиях коэффициенты рентабельности показывают: если экономика находится в состоянии подъема, то наиболее эффективная политика у фирмы А, если в экономике наблюдается спад, то все фирмы несут убытки.

Недостатком агрессивной политики является более высокий уровень риска, так как фирма может попасть в такую ситуацию, что будет вынуждена согласиться с повышением процентной ставки при возобновлении кредита в случае невозможности его возврата. Основной целью других стратегий является минимизация риска того, что фирма окажется не в состоянии рассчитаться по своим обязательствам. Поэтому пол критерию минимизации риска предпочтительней консервативная финансовая политика.

Задача № 3

УСЛОВИЕ ЗАДАЧИ:

Требуется построить дерево решений для оценки риска и определить привлекательность инвестиционного проекта, рассчитанного на 2 года. Проект требует первоначальных вложений 185000$ и финансируется за счет банковской ссуды. 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:

Так как суммарная ожидаемая PV положительна, при отсутствии других альтернатив проект можно принять. В общем случае предпочтение следует отдать проекту с большей суммарной PV.

С ростом числа периодов реализации проекта даже при неизменном количестве альтернатив структура дерева сильно усложняется.

Заключение

В ходе выполнения работы была достигнута ее основная цель, поставленная во введении. Была изучена модель Альтмана и особенности ее применения в современных российских условиях, а также использованы методы финансового анализа при решении конкретных хозяйственных ситуаций. В заключение сделаем несколько основных выводов:

1) модель Альтмана была предложена экономистом Э. Альтманом, в которой была решена задача нахождения эмпирических уравнений некой дискриминантной границы, которая разделяет все возможные сочетания показателей финансовой устойчивости на два класса: предприятия- банкроты и предприятия-небанкроты.

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.