Оценка  риска банкротства СПК «Колхоз Память Ленина» 

     Проанализировав финансовую отчетность СПК «Колхоз  Память Ленина» за 2008-2010 годы, стало  ясно, что по многим показателям (собственный  капитал, выручка от реализации продукции  и др.) видна тенденция к снижению.

      Из журнала «Аудит и финансовый анализ» (2002'2) была взята модель и проведен анализ предприятия на риск банкротства.

Опыт  применения моделей  Фулмера и Спрингейта в оценке венгерских предприятий сельского  хозяйства

     Предсказание  платежеспособности предприятий давно занимает умы кредиторов. Особенно справедливо это в случае сельскохозяйственных предприятий, поскольку данная отрасль всегда считалась вложением рискованным и трудно окупаемым. И всё же исследований в этом направлении проводилось сравнительно мало. С появлением вычислительных машин предсказание неплатежеспособности заёмщика стало предметом серьёзных статистических изысканий. Большинство положительных результатов было достигнуто с применением метода дискриминантного анализа. В данной работе автор представляет краткое описание двух моделей предсказания неплатежеспособности, а также критическую оценку их применения с использованием данных венгерских предприятий сельского хозяйства и пищевой промышленности.

Факторы оценки кредитного риска 

По мнению специалистов банковского дела в оценке кредитного риска особое значение имеют три фактора:

• финансовый анализ — объективная оценка,
• человеческий фактор — субъективная оценка заёмщика,
• особенности отрасли производства заёмщика.

Однако открытым остаётся важный вопрос, в какой пропорции должны быть представлены эти три фактора в системе оценки кредита и заёмщика. В практике венгерских банков наиболее распространена пропорция в 40 – 40 – 20 процентов соответственно [VIRÁG]. Опыт автора показывает, что в практике финансирования сельского хозяйства роль субъективного фактора намного превышает 50 %. Причины такого положения вещей нужно искать, во-первых, в стратегии банков, а во-вторых — в отсутствии надёжных методов оценки кредитоспособности именно сельскохозяйственных предприятий. Руководство большинства крупных банков стремится достичь не максимальной прибыли, а стабильного и легко планируемого её увеличения. У такой политики есть преимущества, например:

• годовой прирост прибыли очень нравится акционерам,
• финансовое положение банка в значительно меньшей степени зависит от состояния всего рынка,
• на уровне значительно ниже максимальной прибыли, банки могут позволить себе выбирать наименее рискованные кредиты.

По данным филиала  одного из крупных банков соотношение  проблемных кредитов ко всем кредитам данного филиала не достигает трёх десятых процента (!), поскольку, работая на олигопольном рынке, кредиты даются только крупные и “перестрахованные”. Средние и малые банки также предпочитают не заниматься сельхоз-кредитами из-за повышенного риска, так как невыплата кредита заёмщиком затрагивает их более чувствительно. Круг замкнулся: крупные банки могли бы, но не хотят, малые хотели бы, но не могут. А те несколько банков, которые всё же занимаются сельхоз-финансированием, не могут удовлетворить все потребности. Работая так же в условиях сверхспроса, прибегают к политике крупных банков, таким образом, большинство, особенно малых, сельхозпредприятий кредита получить не может.

     По  мнению автора, разработкой и применением  надёжных, учитывающих специфику этого производства, объективных методов оценки платежеспособности и предсказания несостоятельности именно сельхозпредприятий можно уменьшить роль субъективных факторов в финансировании сельского хозяйства и облегчить привлечение капитала в отрасль.

Краткое описание модели Спрингейта

     Эта модель была построена Гордоном Л. В. Спрингейтом [SPRINGATE] в университете Симона Фрейзера с помощью пошагового дискриминантного анализа методом, который разработал Эдуард И. Альтман. [ALTMAN, 1968]

     В процессе создания модели из 19 — считавшихся  лучшими — финансовых коэффициентов  в окончательном варианте осталось только четыре. Общий вид модели:

В которой:

Общий вид модели:

 
 

Баланс 179866

Оборотный капитал 137909+58650=196559

Прибыль до налогообложения 13135

Проценты к  уплате -8286

Выручка от реализации 162239

Краткосрочные обязательства 137909 

X1=0,326

X2=0,026

X3=0,095

X4=0,901

Z=1,092+0,079+0,062+0,36=1,269

     Если  Z < 0,862 предприятие получает оценку “крах”. При создании модели Спрингейт использовал данные 40 предприятий и достиг 92,5 процентной точности предсказания неплатежеспособности на год вперёд. Позднее Бодерас, [Botheras] используя модель Спрингейта на данных 50 предприятий со средним балансом в 2,5 миллиона долларов, достиг 88 процентной точности предсказания.

Советы  по возможному применению в России

     Прежде  всего, без проверки на опытных данных применять их — особенно модель Спрингейта — не стоит. В описании модели использовались наименования, соответствующие российской бухгалтерской  практике, однако при адаптации модели к российским условиям необходимо прояснить — проверить опытом — некоторые понятия. При испытании моделей на данных венгерских предприятий, использовалась следующая трактовка:

Денежный поток = прибыль после налогообложения + амортизация

Оборотный капитал = оборотные активы + краткосрочные обязательства

Краткое описание модели Фулмера  

Модель была создана на основании обработки  данных шестидесяти предприятий  — 30 потерпевших крах и 30 нормально  работавших — со средним годовым  балансом в 455 тысяч американских долларов. Изначальный вариант модели содержал 40 коэффициентов, окончательный использует всего девять.

Общий вид модели:

Баланс 179866

Прибыль до налогообложения 13135

Выручка от реализации 162239

Собственный капитал=34+111221-69396=41859

Нераспределенная  прибыль=-69396

Долгосрочные  обязательства = 98

Краткосрочные обязательства =137909

Материальные  активы=250184+40203=290387

Оборотный капитал 137909+58650=196559

Проценты к  уплате=-8286

Долгосрочные  и краткосрочные обязательства=138007

Денежный поток=13135+138362=150497

X1=-0,385

X2=0,901

X3=0,313

X4=1,09

X5=0,0005

X6=0,766

X7=5,462

X8=1,424

X9=0,585

H=-2,128+0,191+0,022+1,384-0,12+1,788+3,14+1,542+0,522-3,075=3,266

Если H < 0, крах неизбежен. Точность прогнозов, сделанных с помощью данной модели на год вперёд — 98 %, на два года — 81 % [Fulmer].

   Эти модели, как и любые другие, следует  использовать лишь как вспомогательные средства анализа предприятий. Полностью полагаться на их результаты неразумно. Применять их следует только после проверки и коррекции в среде будущего применения. Ниже перечислены примеры возможного использования:

• Обработка данных потенциальных заёмщиков с целью определения риска неплатежеспособности.
• Определение условий кредита.
• Покупке или продаже предприятия.
• «Сигнал тревоги» для менеджмента предприятия.
• Проверка принятых решений в симулировании экономических ситуаций.
• Создание динамичной картины платежеспособности предприятия (анализ трендов), используя данные предыдущих отчётных периодов.

 
 
 

ЭКОНОМИЧЕСКАЯ ОЦЕНКА ЭФФЕКТИВНОСТИ  ИСПОЛЬЗОВАНИЯ КАДРОВ СПК «КОЛХОЗ ПАМЯТЬ ЛЕНИНА» 

     3.1 Обеспеченность организации  кадрами и их  движение

   От  обеспеченности предприятия трудовыми ресурсами и эффективности их использования зависят объем и своевременность выполнения всех работ, степень использования оборудования, машин, механизмов и как следствие — объем производства продукции, ее себестоимость, прибыль и ряд других экономических показателей. 
Основные задачи анализа:

• изучение обеспеченности предприятия и его структурных подразделений персоналом по количественным и качественным параметрам;
• оценка экстенсивности, интенсивности и эффективности использования персонала на предприятии;

Источники информации — план по труду, статистическая отчетность «Отчет по труду», данные табельного учета  и отдела кадров. 
Обеспеченность предприятия трудовыми ресурсами определяется путем сравнения фактического количества работников по категориям и профессиям. 
 
 
 
 
 
 

Таблица 2.1 -  Обеспеченность организации  кадрами и их движение

 

     Из  таблицы 2.1  видно, что большую  часть работников занимают рабочие  и служащие, а следом идут специалисты и руководители. В 2010 году по сравнению с 2008: удельный вес рабочих, служащих, руководителей и специалистов возрос. Рост удельного веса руководителей может быть обусловлен изменениями в структуре управления, рост специалистов объясняется привлечением специалистов нужной квалификации для повышения производительности труда.

     Поскольку изменение качественного состава  происходит в результате движения рабочей  силы, этому при анализе уделяется  особое внимание. Для этого рассчитываются следующие показатели:

• Коэффициент оборота о приеме персонала (Кпр)

     Кпр = Количество принятого персонала  на работу/Средне списочная численность  работников