Дискриминантная модель банкротства предприятий Сахалинской области
Проводится анализ деятельности предприятий базовых отраслей Сахалинской области. На основе данных бухгалтерской отчетности оцениваются показатели финансовой деятельности и строится дискриминантная модель оценки финансовой устойчивости предприятий.
ВВЕДЕНИЕ …………………………………………………………………………………………………………………….. 11
1. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ ………………………………………………………………………………………. 13
1.1. Теоретические аспекты банкротства предприятий……………………………………………….. 13
1.2. Зарубежные и российские MDA (Multiple Discriminant Analysis) модели ………………. 16
1.2.1. Краткий обзор зарубежных MDA моделей…………………………………………………….. 16
1.2.2. Краткий обзор российских MDA моделей……………………………………………………… 23
1.3. Дискриминантный анализ …………………………………………………………………………………… 29
1.4. Регрессионный анализ ………………………………………………………………………………………… 31
1.5. Дисперсионный анализ ANOVA (Analysis of variance) ………………………………………….. 32
2. ПРАКТИЧЕСКАЯ ЧАСТЬ ………………………………………………………………………………………… 34
2.1. Статистика ведущих отраслей Сахалинской области. Определение выборки для
построения математической модели. …………………………………………………………………………….. 34
2.2. Анализ отобранных коэффициентов……………………………………………………………………. 36
2.3. Построение дискриминантной модели банкротства предприятий ………………………… 38
2.4. Доработка модели. Анализ полученных результатов …………………………………………… 41
3. ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОСБЕРЕЖЕНИЕ И
РЕСУРСОЭФФЕКТИВНОСТЬ ………………………………………………………………………………………… 44
3.1. Предпроектный анализ ……………………………………………………………………………………….. 44
3.1.1. Потенциальные потребители результатов исследования ……………………………….. 44
3.1.2. Анализ конкурентных технических решений ………………………………………………… 45
3.1.3. SWOT – анализ……………………………………………………………………………………………… 47
3.2. Оценка готовности проекта к коммерциализации ………………………………………………… 50
3.3. Инициация проекта …………………………………………………………………………………………….. 52
3.4. Бюджет научного исследования ………………………………………………………………………….. 56
3.4. Оценка сравнительной эффективности исследования ………………………………………….. 62
3.5. Выводы по разделу «Финансовый менеджмент ресурсоэффективность и
ресурсосбережение» …………………………………………………………………………………………………….. 65
4. СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ …………………………………………………………………….. 67
4.1. Правовые и организационные вопросы обеспечения безопасности………………………. 68
4.1.1. Правовые нормы трудового законодательства для рабочей зоны оператора
ПЭВМ 68
4.1.2. Организационные мероприятия при компоновке рабочей зоны …………………….. 69
4.2. Производственная безопасность …………………………………………………………………………. 72
4.2.1. Анализ выявленных вредных и опасных факторов ………………………………………… 74
4.2.2 Обоснование мероприятий по снижению воздействия ………………………………….. 80
4.3. Экологическая безопасность……………………………………………………………………………….. 80
4.4. Безопасность в чрезвычайных ситуациях…………………………………………………………….. 81
4.5. Выводы по разделу «Социальная ответственность» …………………………………………….. 83
ЗАКЛЮЧЕНИЕ……………………………………………………………………………………………………………….. 84
СПИСОК ПУБЛИКАЦИЙ СТУДЕНТА …………………………………………………………………………… 85
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ ……………………………………………………………… 86
ПРИЛОЖЕНИЕ А……………………………………………………………………………………………………………. 89
ПРИЛОЖЕНИЕ Б ………………………………………………………………………………………………………….. 104
ПРИЛОЖЕНИЕ В ………………………………………………………………………………………………………….. 108
ПРИЛОЖЕНИЕ Г ………………………………………………………………………………………………………….. 117
ПРИЛОЖЕНИЕ Д ………………………………………………………………………………………………………….. 120
ПРИЛОЖЕНИЕ Е ………………………………………………………………………………………………………….. 121
Актуальность исследования
В настоящее время в России существует достаточное количество
неплатежеспособных и обанкротившихся организаций, которые не исполнили
свои обязанности перед заёмщиками. Такая проблема является достаточно
острой, тем более, с усугубившейся экономической ситуацией в мире. Число
ликвидированных компаний постоянно растет банкротству. Всему этому можно
сопоставить следующие причины: постоянно меняющаяся экономическая
политика правительства, политическая нестабильность, неустойчивость
финансового рынка.
Таким образом, прогнозирование вероятности дефолта компании
представляет интерес не только для компаний, финансовых организаций,
кредиторов, поставщиков товаров, но и для собственной оценки, которая
поможет восстановить стабильное финансовое состояние, выявить причины их
возникновения и принять соответствующие меры, либо максимально уменьшить
возможность наступления дефолта.
Одним из методов такой оценки является использование MDA (multiple
discriminant analysis) моделей. это статистические модели, строящиеся на
исторических данных финансовой отчетности предприятий, ликвидированными
по банкротству и финансово устойчивыми. Полученная модель позволяет
спрогнозировать наступление банкротства у предприятия. В настоящей работе
излагается метод построения собственной MDA модели, применимой для
ведущих отраслей предприятий Сахалинской области.
Целью исследования является анализ и разработка собственной
многофакторной модели оценки банкротства предприятий Сахалинской области
(далее СО). Поставленная цель определила необходимость решения следующих
задач:
1) Определить исходную и тестовую выборку предприятий СО по
лидирующим отраслям;
2) Построить общий вид модели оценки финансовой устойчивости
предприятий СО;
3) На основе экспертных оценок рассчитать значимость полученных
коэффициентов модели, найти коэффициент детерминации, вычислить
стандартное отклонение ошибки;
4) Рассчитать пороговое значение и вероятность ошибки первого рода
построенной модели;
5) На основе функции принадлежности нечеткого множества построить
результирующую модель, которую можно проверить на тестовой выборке.
В данной работе были подробно изучены российские и зарубежные модели
оценки вероятности банкротства предприятий, виды анализа данных. В
результате была построена модель оценки вероятности дефолта для организаций
Сахалинской области.
В качестве исходной выборки для анализа были взяты данные бухгалтерской
отчетности по 60 предприятиям СО, включающую в себя: 25 банкротов, 25
действующих предприятий и 10 предприятий для тестирования полученной
модели. Выборка взята в период с 2016-2018 год. Шаг выборки – 1 год.
Полученные данные использовались для расчета 15 финансовых
коэффициентов, используя программу SPSS Statistics. Далее коэффициенты
были проверены на нормальность распределения, наличие выбросов (сильно
отклоняющихся значений), выбраны наиболее дескриптивные переменные с
помощью корреляционного анализа.
Итоговая модель, после доработки весов экспертами:
= 2,07 + 0,559 ⋅ 2 − 3,763 ⋅ 7 + 2,274 ⋅ 8
Статистическая значимoсть пoлученной мoдели дoстатoчнo велика: в
среднем в 80% случаев oна пoзвoляет кoрректнo oпределить верoятнoсть
дефoлта кoмпании, а также дать верoятнoстную oценку банкрoтства. Этo гoвoрит
o целесooбразнoсти испoльзoвания такoгo метoда. Прoверка на тестирующей
выбoрке дoказала, чтo мoдель качественная – прoцент кoмпаний, oтнесенных к
тoй или инoй группе кoрректнo, дoстатoчнo высoк.
СПИСОК ПУБЛИКАЦИЙ СТУДЕНТА
1. Богданов М.А. Оценка эффективности предприятий на основе метода DEA/
М.А.Богданов // Точная наука. – 2020. -№79. – С.10-14. URL:
https://idpluton.ru/wp-content/uploads/tv79.pdf
Последние выполненные заказы
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
4.9 (5 отзывов)
4.3 (248 отзывов)
5 (174 отзыва)
4.9 (298 отзывов)
5 (44 отзыва)
4.9 (20 отзывов)
4.5 (80 отзывов)
4.8 (1033 отзыва)
4.6 (71 отзыв)
