RUS  ENG
Полная версия
ЖУРНАЛЫ // Прикладная математика и вопросы управления // Архив

Прикладная математика и вопросы управления, 2020, выпуск 3, страницы 105–122 (Mi pstu34)

Эта публикация цитируется в 3 статьях

Управление в социальных и экономических системах

Исследование достоверности прогнозирования банкротства при введении новой категории финансового состояния предприятий

А. Р. Носкова, А. О. Алексеев

Пермский национальный исследовательский политехнический университет, Пермь, Россия

Аннотация: Мотивацией для настоящего исследования послужил полученный ранее авторами результат в области разработки отраслевых моделей прогнозирования банкротства, обладающих высокой прогностической способностью. Исследуется достоверность прогнозирования финансового состояния предприятий в случае введения дополнительной категории финансового состояния, отражающей положение между финансовой состоятельностью и несостоятельностью (банкротством). Выдвигается гипотеза о снижении достоверности моделей в случае роста требований к их точности, обусловленного введением дополнительной категории финансового состояния. Проверка гипотезы осуществляется с помощью негэнтропийного подхода, призванного снизить меру неопределенности в части нехарактерности некоторых выявленных финансовых признаков относительно исходных категорий финансового состояния. При этом под признаками финансового состояния понимаются диапазоны удельного веса статей бухгалтерского баланса, обладающие положительной или отрицательной информационной важностью. Информационная важность определяется с помощью методов системно-когнитивного анализа, реализуемого автоматически в системе «ЭЙДОС Х++», а также посредством воспроизведения информационных моделей с помощью инструментов MS Excel. Нормализация значений информационной значимости признаков и их интерполяция позволила получить функции, аналогичные функциям принадлежности в теории нечетких множеств. При построении функций принадлежности относительно диапазонов значимых статей баланса («Основные средства», «Запасы», «Дебиторская задолженность», «Краткосрочные финансовые вложения», «Нераспределенная прибыль (непокрытый убыток)», «Кредиторская задолженность») выявлены диапазоны с нулевыми или незначительными значениями характеристических функций, соответствующих исходным категориям финансового состояния, что фактически означало высокий уровень неопределенности при прогнозировании. Для снижения неопределенности предлагается ввести дополнительные лингвистические переменные и соответствующие им нечеткие множества, носителями которых являются относительные шкалы приведенных выше статей баланса. Всего выявлено пять таких нечетких множеств, где в качестве терма, являющегося элементом лингвистических переменных, используется принятое исследователями понятие «серая зона», которое фактически использовалось как новая категория финансового состояния. Все расчеты показаны на примере основных средств. Прогностическая способность моделей, построенных на оптимизированной выборке, где категория состояния предприятий, обладающих хотя бы тремя из пяти признаков «серой зоны», была заменена, как и предполагалось, снижается, но незначительно. А в случае воспроизведения алгоритмов системно-когнитивного анализа с помощью инструментов MS Excel наблюдается даже рост прогностической способности одной из модели. Фактически выдвинутая гипотеза о снижении достоверности моделей в случае роста требований к их точности не подтвердилась. Теоретическая значимость полученного результата с экономической точки зрения заключается в том, что с помощью негэнтропийного подхода удалось показать необходимость введения новой категории финансового состояния, как бы она ни называлась в будущем; с математической точки зрения получены функции принадлежности для лингвистических переменных на основе реальных данных о финансовом состоянии почти двух сотен российских компаний, эти функции приведения в будущем могут использовать специалисты в области теории нечетких множеств. Полученные результаты применимы для предприятий строительной отрасли, но также могут быть воспроизведены относительно прочих отраслей экономики при формировании соответствующих выборок.

УДК: 330.4: 004

DOI: 10.15593/2499-9873/2020.3.06



Реферативные базы данных:


© МИАН, 2024