Математико-статистичне моделювання у фінансовій діагностиці підприємств
Здійсненню власне дослідження передує побудова інформаційного підґрунтя.
Первинна вибірка підприємств проводилася за ознакою виду економічної
діяльності “виробництво автомобілів”, до якої увійшло 57 діючих
суб’єктів господарювання. Проведене дослідження показало, що лише 13 із
них спеціалізуються на виробництві автомобільної техніки для широкого
кола споживачів, тоді як більша частина підприємств мають інший вид
основної діяльності (виробництво спецавтотехніки (автокрани, комунальна
спецтехніка, пожежно-рятувальні автомобілі, автоцистерни, самоскиди,
спортивні автомобілі), автозапчастин та комплектуючих, продаж
автомобільної техніки та комплектуючих, надання послуг ремонту та
технічного обслуговування).
В подальшому аналізі приймало участь 13 виробників автотранспортних
засобів. Аналіз даних про виробництво основних видів продукції (легкових
та вантажних авто, автобусів) засвідчив, що більшість підприємств (10, а
саме: ПАТ “Автомобільна Компанія “Богдан Моторс”, ВАТ “Черкаський
автобус”, ТОВ “ХАЗ “АнтоРус”, ЗАТ “ЗАЗ”, ЗАТ “БАЗ”, ЗАТ “Завод
комунального транспорту”, ВАТ “Стрий Авто”, ЗАТ “КамАЗ-УТК”, ВАТ
“Часівоярський ремзавод”, ЗАТ “ЧАЗ”) виробляють автобуси, 4 – легкові
автомобілі (ПАТ “Автомобільна Компанія “Богдан Моторс”, ЗАТ “ЗАЗ”, ТОВ
“КрАСЗ”, ЗАТ “Єврокар”), 5 – вантажні автомобілі (ПАТ “Автомобільна
Компанія “Богдан Моторс”, ВАТ “Черкаський автобус”, ЗАТ “ЗАЗ”, ТОВ
“КрАСЗ”, ВАТ ХК “АвтоКрАЗ”).
За результатами пошуку даних про діяльність відібраних підприємств
довелося виключити із подальшого дослідження ТОВ “Херсонський
автоскладальний завод “АнтоРус” у зв’язку із недостатністю наявних
інформаційних джерел.
Таким чином, представницька вибірка підприємств для діагностики
становить 12 господарюючих суб’єктів, по яких було сформовано
інформаційну базу із даних оприлюдненої фінансової звітності. Період
діагностики – 2004-2008 рр. Спостереженнями в контексті даного
дослідження є ситуації, встановлені із періодичністю в 1 рік, що
приймаються за випадкові в рамках нормально розподіленої сукупності, а
аналізованими ознаками є значення індикаторів.
Зважаючи на те, що рекомендована [8, с.72] кількість проведених для
кореляційного аналізу спостережень має перевищувати число аналізованих
ознак у 3-4 рази, довелося скоротити попередньо сформований набір
індикаторів відповідно числу ситуацій, що розглядаються.
Значення 24-х відібраних індикаторів послужили основою для побудови
матриці коефіцієнтів їх парної кореляції. Для подальшого аналізу
залишені лише ті, для яких середнє геометричне значення коефіцієнтів
парної кореляції не нижче межі статистичної вірогідності при рівні
ймовірності 95% (для 57-ми спостережень критичне значення t-критерію
Стьюдента 2,004). Набір індикаторів відібраних індикаторів наступний: І1
– рентабельність капіталу за чистим прибутком, І2 – віддача активів, І4
– рентабельність основних виробничих фондів (табл. 1).
Таблиця 1. Відбір індикаторів фінансової діагностики на основі їх
статистичної значущості
Назва індикатора Позначення індикатора в моделі Середнє геометричне
значення коефіцієнтів парної кореляції Розрахункове значення t-критерію
Стьюдента
Рентабельність капіталу за чистим прибутком І1 0,286 2,258
Віддача активів І2 0,266 2,080
Рентабельність власного капіталу І3 0,234 1,817
Рентабельність основних виробничих фондів І4 0,261 2,044
Рентабельність реалізованої продукції за прибутком від операційної
діяльності І5 0,224 1,731
Поточна ліквідність активів І6 0,177 1,356
Швидка ліквідність І7 0,229 1,780
Абсолютна ліквідність І8 0,237 1,845
Співвідношення короткострокової дебіторської і кредиторської
заборгованості І9 0,211 1,631
Індикатор майнового забезпечення І10 0,184 1,413
Частка довгострокових фінансових інвестицій в активах І11 0,122 0,926
Частка оборотних виробничих активів І12 0,253 1,975
Мобільність активів І13 0,143 1,089
Індикатор стійкості фінансування І14 0,181 1,392
Ступінь самофінансування І15 0,238 1,849
Фінансова незалежність (автономія) І16 0,175 1,342
Індикатор заборгованості в допустимих межах І17 0,078 0,594
Індикатор страхування бізнесу І18 0,173 1,329
Маневреність власного капіталу І19 0,093 0,706
Індикатор структури покриття довгострокових вкладень І20 0,147 1,120
Індикатор фінансової незалежності капіталізованих джерел І21 0,137 1,044
Оборотність активів, ресурсовіддача І22 0,096 0,725
Фондовіддача І23 0,072 0,548
Обіговість оборотних засобів І24 0,085 0,645
Результати кореляційного аналізу свідчать про те, що стан підприємств
вітчизняного автомобілебудування в більшій мірі визначається параметром
фінансової результативності використання капіталу. Поряд із цим,
включення до моделі такого переліку індикаторів загрожує подальшою
неможливістю точно ідентифікувати ситуацію для підприємств, діяльність
яких є збитковою.
З метою усунення впливу розмірностей змінних моделі на результати
класифікації ситуацій слід стандартизувати значення відносно середнього
рівня.
Багатовимірна статистична класифікація проведена методом k-середніх
кластерного аналізу. Обчислення ведеться за k випадково обраними
випадками, що стають центрами груп. Основною метою, що переслідує метод,
є мінімізація мінливості всередині кластерів і максимізація її поза
кластерами. Тому їх елементний склад змінюється після додавання
наступного (k+1)-го випадку, міра схожості із центром тяжіння якого –
максимальна. Алгоритм передбачає відшукання нового центру тяжіння щоразу
після зміни складу кластера до тих пір, поки він не перестане
змінюватися. Центр тяжіння обчислюється як вектор середніх по кожному
індикатору [9].
Аналіз дав поділ усієї множини ситуацій на 3 групи (табл. 2).
Таблиця 2. Результати багатовимірного кластерного аналізу, здійсненого
методом k-середніх
Назва підприємства № кластера
2004 2005 2006 2007 2008
ПАТ “Автомобільна Компанія “Богдан Моторс” 2 2 3 2 3
ВАТ “Черкаський автобус” 3 3 3 2 2
ЗАТ з іноземною інвестицією”Запорізький автомобілебудівний завод” 2 3 3
2 3
ЗАТ “Бориспільський автозавод” 3 3 3 3 3
ТОВ “Кременчуцький автоскладальний завод” 3 3 3 3 3
ЗАТ “Завод комунального транспорту” 3 3 3 3 3
ВАТ “Стрий Авто” 2 3 3 3 3
ЗАТ “Єврокар” 3 3 2 3 1
ВАТ Холдингова компанія “АвтоКрАЗ” 1 3 3 3 3
ЗАТ “КамАЗ-УТК” 3 3 3 3 3
ВАТ “Часівоярський ремонтний завод” 2 2 1 1 1
ЗАТ “Чернігівський автозавод” 3 3 3 3 3
Обґрунтованість такого розподілу підтверджується результатами аналізу
дисперсії (табл. 3), що вказують на нерівність дисперсії між кластерами
та всередині них (в іншому разі класифікація не мала би сенсу – дані
статистично однорідні та не піддаються групуванню). Розраховані рівні
значимості для перевірки гіпотези про нерівність дисперсій між
кластерами та всередині них істотно нижчі загальноприйнятого рівня 0,05.
Результати класифікації виявилися нерівномірними за числом включених
ситуацій (кластер № 3 є найчисельнішим за кількістю елементів – 41).
Таблиця 3. Аналіз дисперсії між кластерами
Індикатор Кл №1
(6 ситуацій) Кл №2
(10 ситуацій) Кл №3 (41 ситуація) Дисперсія між кластерами
Внутрішньогрупова дисперсія Значення F-критерію Рівень значимості p
І1 2,388752 0,649225 -0,464162 47,22857 10,64153 119,8297 1,389463E-20
І2 0,998151 0,149691 -0,439407 12,17289 4,76314 69,0024 1,334148E-15
І4 2,548013 0,463504 -0,445138 49,17759 8,84068 150,1915 8,686922E-23
Емпіричні значення інтегрального критерію D розраховуються на основі
середніх геометричних значень індикаторів та рангів кластерів, що
приймаємо для першого, другого і третього кластерів – відповідно 1, 2,
3.
Отриманий вектор інтегральних оцінок доповнений матрицею значень
індикаторів стає вихідною базою побудованої моделі методом
багатокрокового регресійного аналізу, що включає три змінні:
Побудована модель відображає залежність інтегрального критерію
фінансової діагностики D від факторів впливу наступним чином: ріст
рентабельності капіталу збільшує значення інтегрального критерію.
Вільний член моделі характеризує деякі початкові умови розвитку, а
коефіцієнти змінних найчастіше відповідають рівню індивідуального впливу
на результативну ознаку. Проте отримана модель не дає змоги говорити про
таку роль вагових коефіцієнтів, – оскільки всі представлені індикатори
характеризують рентабельність капіталу, то рівень мультиколінеарності
між ними досить значний.
Оцінка статистичної значущості індикаторів моделі спирається на
результати аналізу дисперсії (табл. 4).
Таблиця 4. Результати регресії для залежної змінної D
Множинний коефіцієнт кореляції R= 0,51547761 коефіцієнт детермінації
R2=0,26571717
скоректований коефіцієнт детермінації R2=0,22415399;
F(3,53)=6,3931 p<0,000887 Стандартна помилка оцінки:0,79590 N=57 Стандартизовані оцінки коефіцієнтів регресії Середньоквадратичне відхилення стандартизованих оцінок коефіцієнтів регресії Оцінки коефіцієнтів регресії Середньоквадратичне відхилення оцінок коефіцієнтів регресії Значення t-критерію Стюдента Ймовірність прийняття помилкового рішення (рівень значимості) Вільний член 1,414767 0,123080 11,49474 0,000000 І1 0,285773 0,214570 0,254015 0,190725 1,33184 0,188612 І2 0,039902 0,194331 0,065562 0,319302 0,20533 0,838100 І4 0,225658 0,198682 0,200325 0,176377 1,13578 0,261160 ??????$??Tkd2 ??????$??T?? ?F ?F ?F ?F ?F Результати аналізу свідчать про сприйнятність даної моделі для прибуткових і рентабельних підприємств. Адже одержане значення скоректованого коефіцієнта детермінації означає, що при розгляді 57 ситуацій у ролі вибірки, а не генеральної сукупності, незалежні змінні пояснюють 22,42% варіації критерію D. Менше з тим, стандартна помилка регресії, що є однією із найважливіших характеристик точності рівняння та вказує на розсіювання значень відносно лінії регресії, становить 0,796. Перевірка моделі на адекватність проводиться методом кластерного аналізу – ситуації повторно групуються за значеннями D-критерію, розрахованими згідно рівняння регресії. В нашому випадку досягнуто істотно близької класифікації ситуацій – результати розходяться лише для однієї ситуації із 57 (табл. 5). Таблиця 5. Аналіз дисперсії між кластерами Критерій Кл №1 (6 ситуацій) Кл №2 (9 ситуацій) Кл №3 (42 ситуації) Дисперсія між кластерами Внутрішньогрупова дисперсія Значення F-критерію Рівень значимості p D 2,592223 1,707618 1,179603 11,41243 0,730422 421,8597 1,096059E-33 У разі суттєвих розбіжностей слід переглядати набір індикаторів та проводити повторне групування доти, поки не буде досягнуто збіг класифікацій. Межові значення інтегрального критерію визначаються виходячи з їх значень в розрізі кластерів. Розраховані за моделлю межові значення дозволяють встановити інтервали для підприємств, що діагностуються (табл. 6) Таблиця 6. Шкала оцінки результатів діагностики Інтервал інтегрального критерію D Відповідна оцінка ситуації D>2,15 Підприємство перебуває в стабільному фінансовому положенні, має
добрі передумови ведення результативної діяльності, ефективно
використовує капітал.
1,44<D<2,15 Низький рівень прибутковості, розбалансування показників
рентабельності та віддачі, що вимагає вжиття стабілізуючих заходів
D<1,44 Ситуація має загрозливий характер. Тривале перебування в такому
стані здатне спричинити накопичення збитків, втрату фінансового
потенціалу розвитку, фінансовий колапс
Отримані результати (табл. 7) вказують на незадовільне становище
більшості підприємств вітчизняного автомобілебудування.
Таблиця 7. Результати застосування математико-статистичної моделі
фінансової діагностики
Назва підприємства Значення інтегрального критерію D
2004 рік 2005 рік 2006 рік 2007 рік 2008 рік
ПАТ “Автомобільна Компанія “Богдан Моторс” 1,507 1,722 1,402 1,804 1,111
ВАТ “Черкаський автобус” 1,111 1,280 1,241 1,406 1,179
ЗАТ з іноземною інвестицією”Запорізький автомобілебудівний завод” 2,062
1,161 1,218 1,495 1,128
ЗАТ “Бориспільський автозавод” 1,239 1,107 1,201 1,119 1,118
ТОВ “Кременчуцький автоскладальний завод” 1,123 1,304 1,132 1,126 1,111
ЗАТ “Завод комунального транспорту” 1,102 1,149 1,183 1,239 1,144
ВАТ “Стрий Авто” 1,507 1,104 1,110 1,210 1,104
ЗАТ “Єврокар” немає даних 1,110 1,793 2,332 2,665
ВАТ Холдингова компанія “АвтоКрАЗ” 2,515 1,268 1,248 1,188 1,163
ЗАТ “КамАЗ-УТК” 1,186 1,100 1,100 фінансово-господарська діяльність не
здійснювалася
ВАТ “Часівоярський ремонтний завод” 1,558 1,921 2,696 2,767 2,580
ЗАТ “Чернігівський автозавод” 1,115 1,363 1,224 1,173 1,142
Умовні позначення для характеристики ситуації за результатами моделі
сприятлива задовільна загрозлива
Аналіз фінансових індикаторів свідчить про появу негативних тенденцій:
суми виручки та прибутку не досягають рівня, достатнього для покриття
вартості залученого капіталу та витрат операційної діяльності;
поглиблення розриву за рівнем ліквідності; нестача власних джерел
фінансування; низька інтенсивність використання фінансових ресурсів.
Алгоритм побудови моделі фінансової діагностики (рис. 1) є досить
універсальним й може бути використаний для вибіркової діагностики
параметрів фінансового стану, прогнозування банкрутства, оцінки зони
ризику, в якій перебуває підприємство.
Рис. 1. Алгоритм побудови моделі фінансової діагностики на основі
математико-статистичного аналізу (адаптовано автором за [10, с. 87])
Переваги використання математико-статистичного аналізу в контексті
проведеного дослідження наступні:
– прийняття статистичної інформації в якості бази знань забезпечує
реальність отриманих результатів;
– доступність інформації для розрахунку індикаторів завдяки її
відображенню в основних формах фінансової звітності;
– обрання в якості об’єкта дослідження підприємств окремої сфери
господарювання підвищує достовірність діагнозів, отриманих від
використання моделі;
– зручність у застосуванні, що забезпечує можливість постійного
відстеження економічних змін і впливу управлінських рішень на фінансові
результати та фінансовий стан підприємства;
– існує можливість використання як управлінцями та власниками
підприємства, так і сторонніми зацікавленими користувачами.
Недоліки використання математико-статистичного аналізу наступні:
– значна трудомісткість побудови моделі;
– потреба в суттєвому інформаційному підґрунті для її настроювання;
– низька адаптивність, що робить неможливою швидку переорієнтацію
системи вхідних індикаторів;
– обмеженість використання лише для конкретних умов (певна сфера
діяльності, окрема країна, чи країни, схожі за системою бухгалтерського
обліку, податків, порядком розрахунку індикаторів).
Слід також наголосити на тій обставині, що на якість застосування
вказаного підходу до фінансової діагностики чинить значний вплив рівень
інформативності статистичних даних, достовірність та правильність
складання фінансової звітності підприємств.
Висновки. Результатом проведеного дослідження є математико-статистична
модель фінансової діагностики, що побудована на реальних статистичних
даних про діяльність автомобілебудівних підприємств України. Модель
дозволяє визначити фінансове положення підприємства, скориставшись
значеннями найінформативніших показників його діяльності – показників
рентабельності, що об’єднуються в інтегральний критерій за допомогою
рівняння регресії. Діагноз фінансового стану встановлюється залежно від
інтервалу, в який потрапляє значення інтегрального критерію.
Процес моделювання передбачає статистичну обробку даних, формування
системи індикаторів діагностики, класифікацію ситуацій за значеннями
індикаторів, побудову рівняння регресії та визначення меж інтегрального
критерію. На кожному із етапів результати перевіряються та
підтверджуються математичними розрахунками, обґрунтовуються методами
статистичного аналізу. Це дозволяє розширити межі вірогідності й
точності отриманих діагнозів, уникнути суб’єктивізму.
Слід також підкреслити, що прикладний алгоритм побудови моделі є
універсальним і цілком доцільним при вибірковій діагностиці параметрів
фінансового стану, прогнозуванні банкрутства, оцінці зони ризику, в якій
перебуває підприємство. Тож, математико-статистичне моделювання,
застосоване грамотно, доцільно та вчасно, не лише дає інтегральну оцінку
фінансовій позиції досліджуваного об’єкта, а й відкриває перспективи
моніторингу і прогнозування розвитку ситуації.
В такому ключі можна стверджувати про підпорядкованість фінансової
діагностики цілям менеджменту – оскільки від її результатів залежить
сутність та зміст етапів підготовки та прийняття управлінських рішень,
управлінські дії являються конструктивною реакцією на виявлені ризики,
диспропорції та відхилення від норми. Тому подальші розробки у цій сфері
мають розкрити можливості використання розробленої моделі для прийняття
ефективних управлінських рішень у сфері фінансів підприємства.
Список використаних джерел
1. Кизим Н. А. Оценка и прогнозирование неплатежеспособности предприятий
: [монография] / Кизим Н. А., Благун И. С., Копчак Ю. С. – Х. : Инжек,
2004. – 144 с.
2. Ушвицкий Л. Методика определения проблемного состоянии предприятия /
Лев Ушвицкий, Алла Алексеева // Проблемы теории и практики управления. –
2006. – № 8. – С. 17-23.
3. Виклюк І.Я. Використання нечіткої логіки для визначення рекреаційного
потенціалу території / І.Я. Виклюк // Вісник національного університету
“Львівська політехніка. Серія: Інформаційні системи та мережі. – 2008. –
№ 621. – С. 69-77.
4. Терещенко О.О. Антикризове фінансове управління на підприємстві :
[монографія] / Терещенко О. О. – К. КНЕУ, 2004. – 268 с.
5. Глухов В.В. Математические методы и модели для менеджмента / Глухов
В.В., Медников М.Д., Коробко С.В. – СПб. : Издательство “Лань”, 2000. –
480 с.
6. Терещенко О. Дискримінантна модель інтегральної оцінки фінансового
стану підприємства / О. Терещенко // Економіка України. – 2003. – № 8.
– С. 38-44.
7. Матвійчук А. Діагностика банкрутства підприємств / А. Матвійчук //
Економіка України. – 2007. – № 4. – С. 20-28.
8. Салин В. Н. Практикум по курсу “Статистика” (в системe Statistica) :
[учеб. пособие] / Салин В. Н. Чурилова Э. Ю. – М. : Соц. отношения,
2002. – 188 с.
9. Економіко-статистичне моделювання і прогнозування : [навч. посіб. для
студ. спец. 7.050107 і 8.050107 “Екон. п-ва”] / В. П. Кічор, Р. В.
Фещур, В. В. Козик [та ін.] ; Нац. ун-т “Львівськ. політехніка”. – Л. :
Нац. ун-т “Львівськ. політехніка”, 2007. – 154 с.
10. Чепурко В. В. Моделі ситуативної діагностики фінансового стану
аграрних підприємств / В.В.Чепурко // Фінанси України. – 2000. – № 6. –
С. 79-90.
Нашли опечатку? Выделите и нажмите CTRL+Enter