Методи аналізу і прогнозування розвитку середовища організації

F₆ = 0,2 х D₅ + (1 – 0,2) х F₅ = 0,2 х 1,257 + 0,8 х 1,262 = 1,261

Аналогічно  розраховуються й інші прогнози.

Таблиця 4.2.

Приклад застосування експоненційного  згладжування.

Місяць	Обсяг продажу, млн.грн.	Прогноз (за α = 0,2)
Січень	1,212	1,212
Лютий	1,321	1,212
Березень	1,278	1,234
Квітень	1,341	1,243
Травень	1,257	1,262
Червень	1,287	1,261
Липень	1,189	1,266
Серпень	1,111	1,251
Вересень	1,145	1,223
Жовтень	1,150	1,207
Листопад	1,298	1,196
Грудень	1,331	1,216
	х	1,239

 

Наведені методи рухомого середнього і експоненційного згладжування належать до прийомів грендового аналізу. Тренд - це тривала тенденція зміни  економічних показників у часі. Під час розробки моделей прогнозування тренд є основною складовою прогнозованого часового ряду, на який вже накладаються інші складові.

Аналіз доводить, що жоден з існуючих методів не може дати достатньої точності прогнозу на 20 - 25 років. Метод екстраполяції  не дає точних результатів на тривалий термін, тому що він базується на даних минулого і теперішнього часу, і похибка поступово збільшується в міру віддаленості прогнозу. Тому екстраполяція дає позитивні результати максимум на 5 - 7 років.

Для стратегічного  аналізу корисними є також  методи прогнозування з допомогою  регресійного аналізу.

Регресійнш  аналіз - це математичний метод прогнозування, результатом якого є рівняння з однією або більшою кількістю незалежних змінних, яке використовується для визначення залежної змінної. Зміст регресійного аналізу полягає у дослідженні того, як зміна незалежних змінних впливає на залежну змінну. Один раз визначені взаємозв’язки вважаються усталеними (у вигляді рівняння регресії), а майбутні значення залежної змінної прогнозуються шляхом підстановки у рівняння певних значень незалежних змінних. Регресійний аналіз є відносно дорогим, але комплексним і надійним прийомом.

Для знаходження  параметрів приблизних залежностей  між двома або декількома прогнозованими величинами за їх емпіричними значеннями найчастіше застосовується метод найменших квадратів. Його зміст полягає у мінімізації суми квадратичних відхилень між величинами, що спостерігаються, і відповідними оцінками (розрахунковими величинами), розрахованими згідно з підібраним рівнянням зв’язку.

Наприклад, для  побудови рівняння зв’язку між обсягом  реалізації та показником продуктивності праці і рівнем оплати праці можна формально записати:

                              Y = а₀ + а₁ × х₁ + а₂ × х₂,                                          (4.4)

де   Y - показник обсягу реалізації;

а₁, а₂ - коефіцієнти, які показують вплив відповідно продуктивності праці і рівня оплати праці на зміну обсягу реалізації;

х_1, х₂ - значення продуктивності праці і рівня оплати праці відповідно;

а₀ - вільний член рівняння, який самостійного економічного значення не має.

Для знаходження  конкретних значень коефіцієнтів а₀, а₁, а₂ будується система нормальних рівнянь. Ця методика викладена у спеціальній літературі зі статистики та економетрії, тому ми детально розглядати її не будемо.

Найскладнішими  серед методів кількісного прогнозування  є комплексні методи економетричного моделювання. Переважно, економетри-чні моделі „прив’язуються” до математичної моделі цілої економіки. Складні еконо-метричні моделі базуються на численних рівняннях регресії, які кількісно описують взаємозв’язки між різними секторами економіки. Насправді дуже обмежена кількість компаній може застосовувати власні економетричні моделі. Інші компанії зазвичай користуються сервісними послугами консультаційних центрів або фірм, що спеціалізуються в галузі економетричного моделювання. Описаний метод є найточнішим і дуже дорогим, тому  використовується лише великими компаніями.

На жаль, навіть складні економетричні моделі не можуть забезпечити стовідсоткову точність прогнозів. Кількісні прогнози - це не передбачення, які обов’язково мають справдитися, а лише припущення. Різниця між цими поняттями величезна. Коли „історичні” тенденції проекціюються (екстрапо-люються) у майбутнє, може статися „розрив” між минулим і майбутнім - тоді прогнози будуть неточними.

Це застереження потрібно враховувати навіть тоді, коли прогноз викликає повну довіру, оскільки грунтується на достовірних джерелах і підготовлений компетентними фахівцями. Справа у тому, що різні тенденції можуть мати взаємний вплив, або інакше кажучи, можуть бути тенденції, „приховані” в інших тенденціях. Отже, прогнози повинні завжди ретельно перевірятися.

 

5.3. Методи прогнозування банкрутства підприємства.

 

Серед моделей, які одночасно широко застосовуються у фінансовому і стратегічному  аналізі, виділяються моделі прогнозування  банкрутства підприємства. В економічно розвинених країнах вони почали з’являтися починаючи приблизно з 50-х років XX ст. Причиною цього було посилення конкуренції після 2-ої світової війни, коли багато підприємств скорочувало свою діяльність або банкрутувало. Спочатку банкрутство намагалися передбачати емпірично, на основі вже відомих фактів банкрутства компаній відповідної галузі. Звичайно, такий підхід призводив до численних помилок. Перші моделі передбачення банкрутства, в яких було використано статистико-математичний апарат, були розроблені у 60-х роках. Серед них найвідомішими є 2-рахунок Альтмана (США), коефіцієнт Таффлера (Велика Британія), А-рахунок Арженті та деякі інші.

З часом методики передбачення банкрутства почали застосовувати  для прогнозування ризиків в  антикризовому управлінні, а потім і для діагностики стратегічних проблем. Кожна методика має свої позитивні та негативні характеристики, які потрібно знати при їх виборі для вирішення діагностич-них завдань.

Z-рахупок Альтмана був запропонований у 1968 р. відомим економістом Едвардом І. Альтманом. Z,-рахунок було побудовано з допомогою мультиплікативного дискримінантного аналізу (МDА). Він дозволяє визначити, чи належить певне підприємство до потенційних банкрутів, чи ні.

Для побудови Z-рахунка Альтман дослідив фінансові показники 66 підприємств, половина яких збанкрутувала у період 1946 - 1965 рр., а половина продовжувала успішно працювати. Він спочатку визначив 22 коефіцієнта, які могли би бути корисні для прогнозування можливого банкрутства, а потім відібрав з них 5 найбільш важливих і побудував багатофакторне регресійне рівняння. Таким чином, Z-рахунок Альтмана являє собою функцію від декількох показників, що характеризують економічний потенціал підприємства і результати його роботи за минулий період. У загальному вигляді 2-рахунок має вигляд:

                       Z = 1,2х₁ + 1,4х₂ + 3,3х₃ + 0,6х₄ + х₅,                            (4.5)

де  х₁- оборотний капітал / сукупні активи;

х₂ - нерозподілений прибуток / сукупні активи;

х₃- прибуток від операційної діяльності / сукупні активи;

х₄ - ринкова вартість акцій / зобов’язання;

х₅- виручка від реалізації / сукупні активи.

Результати  числених розрахунків за моделлю  Альтмана показали, що узагальнюючий  показник Z, може приймати значення у межах [-14, +22]. При цьому шкала значень Z (табл. 4.3.) дозволяє виділити чотири категорії підприємств за імовірністю банкрутства протягом наступного року.

Таблиця 4.3.

Прогнозування можливості банкрутства  з допомогою Z -рахунка Альтмана.

Z-рахунок	Імовірнвсть банкрутства
1,8 і менше від 1,81 до 2,7 від 2,71 до 2,9 2,91 і вище	дуже висока висока можлива дуже низька

 

Z-рахунок має декілька суттєвих недоліків, які не дозволяють беззастережно використовувати його для аналізу показників вітчизняних підприємств.

По-перше, Z-рахунок придатний лише для крупних компаній, акції яких котируються на біржі. Тільки для таких компаній можна отримати об’єктивну ринкову оцінку власного (акціонерного) капіталу.

По-друге, показники звітності, які використовуються для розрахунку, можуть виявитися недостовірними. Як правило, компанії, у яких погіршується фінансове становище, намагаються прикрасити свою звітність для запобігання відтоку капіталу.

По-третє, методика Альтмана була розрахована на фінансові коефіцієнти, які визначалися за даними балансу, звіту про прибутки і збитки та приміток до річної звітності компаній, складених на основі GААР - загальноприйнятих принципів (стандартів) бухгалтерського обліку, прийнятих у США та деяких інших країнах. У зв’язку з прийняттям в Україні П(С)БО – національних Положень (стандартів) бухгалтерського обліку - потрібно шукати відповідні показники для того, щоб проводити аналіз фінансових коефіцієнтів і вітчизняних підприємств.

По-четверте, в зарубіжних країнах та в Україні існують різні критерії та процедури визнання підприємств банкрутами. Відповідно, використання Z-рахунку Альтмана для вітчизняних підприємств обмежується прогнозуванням негативних тенденцій платоспроможності і фінансового стану, а прогнозування банкрутства через законодавчу неврегульованість цього процесу залишається проблематичним.

Щоправда, в 1983 році Альтман запропонував нову модель, яка дозволяла виправити перший з перерахованих вище недоліків. За новою формулою можна було визначати  імовірність банкрутства компаній, акції яких не були представлені на біржі:

        Z = 0,717х₁ + 0,847х₂ + 3,107х₃ + 0,42х₄ + 0,998х₅,                       (4.6)

де х₄ - облікова вартість акцій / зобов’язання. Інші змінні ідентичні традиційній моделі (4.5).

Фірма характеризується доброю фінансовою ситуацією, якщо Z > 2,9; та поганою фінансовою ситуацією, якщо Z < 1,2. За умови 1,2 < Z < 2,9 фінансовий стан фірми вважається задовільним з середньою імовірністю банкрутства.

Пам’ятаючи  про недоліки Z-рахунка, його все ж таки можна застосовувати для проведення перспективного фінансового аналізу, особливо для визначення фінансової стійкості підприємств і передбачення кризових явищ.

Ще одним  з відомих критеріїв передбачення банкрутства є коефіцієнт Таффлера, запропонований у 1977 році. Для його визначення з допомогою комп’ютерної техніки розраховують 80 співвідношень за даними збанкрутілих і платоспроможних компаній. Далі, використовуючи статистичний метод, відомий як багатомірний дискримінант, будують модель платоспроможності. При цьому визначаються часткові співвідношення, які найкращим чином виділяють дві групи компаній та їх коефіцієнти. Такий вибірковий підрахунок співвідношень є типовим для визначення деяких ключових вимірників діяльності компанії, таких як прибутковість, відповідність оборотного капіталу, фінансовий ризик та ліквідність. Поєднуючи ці показники в одній формулі, модель платоспроможності Таффлера відтворює картину фінансового становища компанії. Типова модель для аналізу компаній, які котируються на біржах, має такий вигляд:

                        Z = с₀ + с₁х₁ + с₂х₂ + с₃х₃ + с₄х₄ + ...,                               (4.7)

де х₁ - прибуток до сплати податків / поточні зобов’язання (52%);

х₂ - поточні активи / загальна сума зобов’язань (13%);

х₃ - поточні зобов’язання / загальна сума активів (18%);

х₄ - відсутність інтервала кредитування (16%);

с₀,.... с₄ - коефіцієнти.

Проценти у  дужках вказують на пропорції моделі; х₁ вимірює прибутковість, х₂ - стан оборотного капіталу, х₃ - фінансовий ризик і х₄ -ліквідність.

Для посилення  прогностичної здатності моделі Z-коефіцієнт може трансформуватися у так званий РАS-коефіцієнт (Performance Analysis Score) - коефіцієнт, який дозволяє відстежувати діяльність компанії в часі.

РАS-коефіціснт - це лише відносний рівень діяльності компанії, виведений на основі її Z-коефіцієнта за певний період і виражений у відсотках (від 1 до 100). Наприклад, РАS-коефіцієнт, що дорівнює 50, вказує на те, що діяльність компанії оцінюється задовільно, тоді як РАS-коефіцієнт зі значенням 5 свідчить про те, що лише 5% компаній знаходиться у гіршому становищі (незадовільна ситуація). Таким чином, підрахувавши Z-коефіцієнт для компанії, можна потім трансформувати абсолютний вимірник фінансового стану у відносний вимірник фінансової діяльності. Іншими словами, якщо Z-коефіцієнт може свідчити про те, що компанія знаходиться у стабільному чи ризикованому становищі, то РАS-коефіцієнт відображає поточну діяльність і тенденцію на перспективу.

Позитивною  рисою такого підходу є його здатність  поєднувати ключові характеристики звіту про фінансові результати і балансу в межах однієї моделі. Наприклад, прибуткова компанія з досить нестійким фінансовим станом може бути співставлена з менш прибутковою, але більш стійкою компанією. Таким чином, розрахувавши РАS-коефіцієнт, можна швидко оцінити фінансовий ризик, пов’язаний з цією компанією, і відповідно вибирати варіант стратегічного рішення.