Прогнозирование банкротства компании
Прогнозирование банкротства (англ. bankruptcy prediction) ― научно обоснованное предвидение банкротства и финансовых затруднений (англ. Financial distress).
Является областью финансовых и бухгалтерских исследований оценки вероятности того, что фирма может обанкротиться.
Количество исследований также зависит от наличия данных: для государственных фирм, которые обанкротились или не обанкротились, могут быть рассчитаны многочисленные коэффициенты бухгалтерского учета, которые могут указывать на опасность, а также множество других потенциальных объяснительных переменных. Следовательно, эта область хорошо подходит для тестирования все более сложного, интенсивного подхода к прогнозированию данных.
История[править]
История прогнозирования банкротства включает в себя применение многочисленных статистических инструментов, которые постепенно стали доступны, и включает в себя углубление понимания различных ловушек в ранних анализах. До сих пор публикуются исследования, которые страдают от ловушек, которые были поняты в течение многих лет.
Прогнозирование банкротства было предметом формального анализа, по крайней мере, с 1932 года, когда FitzPatrick опубликовал исследование 20 пар фирм, одна из которых потерпела неудачу, а другая выжила, в соответствии с датой, размером и отраслью, в The Certified Public Accountant. Он не проводил статистический анализ, как это сейчас принято, но он вдумчиво интерпретировал соотношения и тенденции в соотношениях. Его интерпретация была фактически сложным, множественным переменным анализом.
В 1967 году Уильям Бивер применил t-тесты для оценки важности индивидуальных коэффициентов учета в аналогичной парной выборке.
В 1968 году, в первом формальном анализе множественных переменных, Эдвард Альтман применил множественный дискриминантный анализ в парной выборке. Одной из наиболее известных ранних моделей прогнозирования банкротства является Z-оценка Альтмана, которая всё ещё применяется сегодня.
В 1980 году Джеймс Олсон применил логит-регрессию в гораздо большей выборке, которая не включала парное сопоставление.
Современные методы[править]
Прогнозирование банкротства компаний было горячей темой внимания для многих экономистов. Обоснованием разработки и прогнозирования финансового кризиса компании является разработка прогностической модели, используемой для прогнозирования финансового состояния компании путем объединения нескольких эконометрических переменных, представляющих интерес для исследователя. Исследование было направлено на внедрение моделей глубокого обучения для прогнозирования корпоративного банкротства с использованием текстовых раскрытий. В исследовании была построена комплексная модель исследования для прогнозирования банкротства на основе зарегистрированных на бирже компаний в Кении. Исследуемая совокупность включала все 64 зарегистрированные компании на Найробийской фондовой бирже в течение десяти лет. Логистический анализ был использован при построении модели прогнозирования финансового кризиса компании. Результаты показали, что оборачиваемость активов, общий актив и коэффициент оборотного капитала имели положительные коэффициенты. С другой стороны, товарооборот, соотношение долга к собственному капиталу, оборот должников, коэффициент задолженности и текущий коэффициент имели отрицательные коэффициенты. В исследовании сделан вывод о том, что оборот запасов, оборот активов, отношение долга к собственному капиталу, оборот должников, общий актив, коэффициент задолженности, коэффициент текущей ликвидности и коэффициент оборотного капитала были наиболее значимыми коэффициентами для прогнозирования банкротства[1].
Сравнение различных подходов[править]
Последние исследования в области прогнозирования банкротства и несостоятельности сравнивают различные подходы, методы моделирования и отдельные модели, чтобы определить, превосходит ли какой-либо один метод свои аналоги.
Jackson and Wood (2013) является одним из многих обзоров литературы на сегодняшний день и включает эмпирическую оценку 15 популярных моделей из существующей литературы. Эти модели варьируются от одномерных моделей Бивера до многомерных моделей Альтмана и Олсона и продолжаются более поздними методами, которые включают подходы к оценке опционов. Они обнаружили, что модели, основанные на рыночных данных, таких как подход к оценке опционов, превосходят те более ранние модели, которые в значительной степени зависят от бухгалтерских чисел[2].
Чжан, Ван и Цзи (2013) предложили новую систему, основанную на правилах для решения проблемы прогнозирования банкротства. Вся процедура состоит из следующих четырех этапов: во-первых, для извлечения наиболее важных признаков использовался последовательный прямой отбор; во-вторых, была выбрана модель, основанная на правилах, в соответствии с данным набором данных, поскольку она может представлять физический смысл; в-третьих, был введен алгоритм генетической колонии муравьев (GACA); стратегия масштабирования приспособленности и хаотический оператор были объединены с GACA, сформировав новый алгоритм — хаотический GACA (FSCGACA), который использовался для поиска оптимальных параметров модели, основанной на правилах; и, наконец, для улучшения обобщения модели был использован метод стратифицированной К-кратной перекрестной проверки[3].
Есть несколько источников, где можно получить данные для прогнозирования банкротства. Среди прочего база данных UCLA-LoPucki[4], которая рассматривает банкротства крупных американских компаний с октября 1997 по настоящее время, и Федеральный судебный центр[5], который рассматривает банкротства с 2008 года. Некоторые финансовые провайдеры начали использовать эти наборы данных с моделями машинного обучения, чтобы попытаться предсказать будущие риски банкротства[6]. Это новая область, и как ожидается, в будущих исследованиях будет рассмотрено использование неструктурированных финансовых данных и альтернативных источников данных в моделях прогнозирования.
См. также[править]
Источники[править]
- ↑ Ogachi, D.; Ndege, R.; Gaturu, P.; Zoltan, Z. Corporate Bankruptcy Prediction Model, a Special Focus on Listed Companies in Kenya. J. Risk Financial Manag. 2020, 13, 47. https://doi.org/10.3390/jrfm13030047
- ↑ Jackson R.H.G., Wood A. (2013). «The performance of insolvency prediction and credit risk models in the UK: A comparative study». The British Accounting Review 45 (3): 183–202. DOI:10.1016/j.bar.2013.06.009.
- ↑ Zhang, Yudong (2013). «A Rule-Based Model for Bankruptcy Prediction Based on an Improved Genetic Ant Colony Algorithm». Mathematical Problems in Engineering 2013. DOI:10.1155/2013/753251.
- ↑ [1]
- ↑ [2]
- ↑ Sov.ai AI Finance Research Lab.
Ссылки[править]
|
Одним из источников этой статьи является статья в википроекте «Руниверсалис» («Руни», руни.рф), называющаяся «Прогнозирование банкротства». Материал указанной статьи полностью или частично использован в Циклопедии по лицензии CC BY-SA. Всем участникам Руниверсалиса предлагается прочитать «Обращение к участникам Руниверсалиса» основателя Циклопедии и «Почему Циклопедия?». |