Файл: Оценка вероятности банкротства с помощью двухфакторной модели Альтмана.docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 08.11.2023
Просмотров: 91
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Самой простой моделью прогнозирования банкротства является двухфакторная модель Альтмана (табл. 1). Если Z оказывается меньше 0, то высока вероятность того, что компания окажется платежеспособным, если Z больше 0, то наиболее вероятно, что ему грозит банкротство. Достоинством данной модели является простота, возможность применения в условиях ограниченного объема информации. Однако эта модель не обеспечивает высокую точность, т.к. не учитывает влияние других важных показателей.
Таблица 1 – Оценка вероятности банкротства с помощью двухфакторной модели Альтмана
| Показатели | 2020 г. | 2021 г | 2022 г. |
| Исходные данные: | | | |
| 1. Оборотные активы, тыс. руб. | 700 | 2 729 | 6 763 |
| 2. Краткосрочные обязательства, тыс. руб. | 43 | 3 270 | 7 354 |
| 3. Заемный капитал (долгосрочные обязательства + краткосрочные обязательства), тыс. руб. | 43 | 3 270 | 7 354 |
| 4. Общая сумма пассивов, тыс. руб. | 700 | 2 729 | 6 763 |
| Показатели модели: | | | |
| К1 – коэффициент текущей ликвидности (п. 1 / п. 2) | 16,279 | 0,835 | 0,920 |
| К2 – доля заемного капитала в общей сумме пассивов (п. 3 / п. 4) | 0,061 | 1,198 | 1,087 |
| Итоговый показатель модели: | | | |
| Z=‑0,3877‑1,0736×К1+0,0579×К2 | ‑17,861 | ‑1,215 | ‑1,312 |
| Интерпретация показателя Z | велика вероятность того, что в будущем компания окажется платежеспособной | велика вероятность того, что в будущем компания окажется платежеспособной | велика вероятность того, что в будущем компания окажется платежеспособной |
В соответствии с двухфакторной моделью Альтмана на протяжении анализируемого периода велика вероятность того, что в будущем компания окажется платежеспособной. При этом в целом за анализируемый период динамика финансового состояния негативная. Ухудшению финансового состояния способствовало как снижение степени покрытия краткосрочных обязательств оборотными активами, так и повышение зависимости компании от заемного капитала.
Рассчитаем показатели банкротства с помощью модели Лисса (табл.2).
Таблица 2– Оценка вероятности банкротства с помощью модели Лисса
| Показатели | 2020 г. | 2021 г. | 2022 г. |
| Исходные данные: | | | |
| 1. Оборотные активы, тыс. руб. | 700 | 2 729 | 6 763 |
| 2. Итог баланса, тыс. руб. | 700 | 2 729 | 6 763 |
| 3. Прибыль (убыток) от реализации, тыс. руб. | 280 | ‑916 | 157 |
| 4. Чистая прибыль (убыток), тыс. руб. | 151 | ‑1 198 | ‑51 |
| 5. Капитал и резервы (собственный капитал), тыс. руб. | 657 | ‑541 | ‑591 |
| 6. Заемный капитал (долгосрочные обязательства + краткосрочные обязательства), тыс. руб. | 43 | 3 270 | 7 354 |
| Показатели модели: | | | |
| К1 (п. 1 / п. 2) | 1,000 | 1,000 | 1,000 |
| К2 (п. 3 / п. 2) | 0,400 | ‑0,336 | 0,023 |
| К3 (п. 4 / п. 2) | 0,216 | ‑0,439 | ‑0,008 |
| К4 (п. 5 / п. 6) | 15,279 | ‑0,165 | ‑0,080 |
| Итоговый показатель модели: | | | |
| Z=0,063×К1+0,092×К2+ +0,057×К3+0,001×К4 | 0,127 | 0,007 | 0,065 |
| Интерпретация показателя Z | вероятность банкротства была низкой | вероятность банкротства была высокой | вероятность банкротства была низкой |
В соответствии с моделью Лисса на протяжении большей части анализируемого периода вероятность банкротства была низкой. При этом в целом за анализируемый период динамика финансового состояния негативная. Ухудшению финансового состояния способствовало снижение эффективности использования имущества по критерию суммы прибыли от реализации на 1 руб. активов, снижение отдачи имущества в виде чистой прибыли на 1 руб. активов и уменьшение величины собственного капитала на 1 руб. заемного капитала.
Модель Таффлера (табл. 3)
Таблица 3 – Оценка вероятности банкротства ООО «Капиталстрой» с помощью модели Таффлера
| Показатели | 2020 г. | 2021 г. | 2022 г. |
| Исходные данные: | | | |
| 1. Прибыль от реализации, тыс. руб. | 280 | ‑916 | 157 |
| 2. Краткосрочные обязательства, тыс. руб. | 43 | 3 270 | 7 354 |
| 3. Долгосрочные обязательства, тыс. руб. | 0 | 0 | 0 |
| 4. Оборотные активы, тыс. руб. | 700 | 2 729 | 6 763 |
| 5. Итог баланса, тыс. руб. | 700 | 2 729 | 6 763 |
| 6. Выручка, тыс. руб. | 9 425 | 9 726 | 97 019 |
| Показатели модели: | | | |
| К1 (п. 1 / п. 2) | 6,512 | ‑0,280 | 0,021 |
| К2 (п. 4 / (п. 2 + п. 3)) | 16,279 | 0,835 | 0,920 |
| К3 (п. 2 / п. 5) | 0,061 | 1,198 | 1,087 |
| К4 (п. 6 / п. 5) | 13,464 | 3,564 | 14,346 |
| Итоговый показатель модели: | | | |
| Z=0,53×К1+0,13×К2+ +0,18×К3+0,16×К4 | 7,733 | 0,746 | 2,622 |
| Интерпретация показателя Z | у компании неплохие долгосрочные перспективы | у компании неплохие долгосрочные перспективы | у компании неплохие долгосрочные перспективы |
В соответствии с моделью Таффлера на протяжении всего анализируемого периода у компании неплохие долгосрочные перспективы. При этом в целом за анализируемый период динамика финансового состояния негативная. Улучшению финансового состояния способствовало снижение доли текущих обязательств в составе источников имущества компании и увеличение отдачи в виде получаемой выручки на 1 руб. активов. Ухудшению финансового состояния способствовало снижение степени покрытия текущих обязательств суммой получаемой прибыли от продаж и снижение степени покрытия заемного капитала оборотными активами.
Следующая модель диагностики банкротства – модель Спрингейта (табл. 4):
Таблица 4 – Оценка вероятности банкротства ООО «Капиталстрой» с помощью модели Спрингейта
| Показатели | 2020 г. | 2021 г. | 2022 г. |
| Исходные данные: | | | |
| 1. Капитал и резервы (собственный капитал), тыс. руб. | 657 | ‑541 | ‑591 |
| 2. Внеоборотные активы, тыс. руб. | 0 | 0 | 0 |
| 3. Долгосрочные финансовые вложения, тыс. руб. | 0 | 0 | 0 |
| 4. Итог баланса, тыс. руб. | 700 | 2 729 | 6 763 |
| 5. Чистая прибыль, тыс. руб. | 151 | ‑1 198 | ‑51 |
| 6. Краткосрочные обязательства, тыс. руб. | 43 | 3 270 | 7 354 |
| 7. Выручка, тыс. руб. | 9 425 | 9 726 | 97 019 |
| Показатели модели: | | | |
| К1 ((п. 1 – (п. 2 – п. 3))/п. 4) | 0,939 | ‑0,198 | ‑0,087 |
| К2 (п. 5 / п. 4) | 0,216 | ‑0,439 | ‑0,008 |
| К3 (п. 5 / п. 6) | 3,512 | ‑0,366 | ‑0,007 |
| К4 (п. 7 / п. 4) | 13,464 | 3,564 | 14,346 |
| Итоговый показатель модели: | | | |
| Z=1,03×К1+3,07×К2+ +0,66×К3+0,40×К4 | 9,334 | ‑0,368 | 5,620 |
| Интерпретация показателя Z | вероятность банкротства была низкой | вероятность банкротства была высокой | вероятность банкротства была низкой |
В соответствии с моделью Спрингейта на протяжении большей части анализируемого периода вероятность банкротства была низкой. При этом в целом за анализируемый период динамика финансового состояния негативная. Улучшению финансового состояния способствовало увеличение отдачи в виде получаемой выручки на 1 руб. активов. Ухудшению финансового состояния способствовало снижение степени покрытия активов рабочим капиталом (собственными оборотными средствами), снижение степени покрытия активов чистой прибылью за год и повышение степени покрытия текущих обязательств чистой прибылью.
Таблица 5 – Систематизация результатов оценки вероятности банкротства с помощью зарубежных моделей
| Модели | Выводы по модели | Тенденция изменения финансового состояния | |||
| 2020 г. | 2021 г. | 2022 г. | |||
| Двухфакторная модель Альтмана | велика вероятность того, что в будущем компания окажется платежеспособной | велика вероятность того, что в будущем компания окажется платежеспособной | велика вероятность того, что в будущем компания окажется платежеспособной | динамика финансового состояния негативная | |
| Модель Лисса | вероятность банкротства была низкой | вероятность банкротства была высокой | вероятность банкротства была низкой | динамика финансового состояния негативная | |
| Модель Таффлера | у компании неплохие долгосрочные перспективы | у компании неплохие долгосрочные перспективы | у компании неплохие долгосрочные перспективы | динамика финансового состояния негативная | |
| Модель Спрингейта | вероятность банкротства была низкой | вероятность банкротства была высокой | вероятность банкротства была низкой | динамика финансового состояния негативная | |
Таким образом, применение зарубежных моделей позволило сделать вывод