ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ ЕКОНОМІЧНИЙ УНІВЕРСИТЕТ

ПАНАСЕНКО ОКСАНА ВОЛОДИМИРІВНА

УДК 65.016.8

МОДЕЛІ ОЦІНКИ І АНАЛІЗУ СХИЛЬНОСТІ ПІДПРИЄМСТВА

ДО БАНКРУТСТВА

Спеціальність 08.00.11 –

математичні методи, моделі та інформаційні технології в економіці

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

кандидата економічних наук

Харків - 2007

Дисертацією є рукопис.

Робота виконана в Харківському національному університеті ім. В.Н. Каразіна,

Міністерство освіти і науки України

Науковий керівник доктор економічних наук, професор

Клебанова Тамара Семенівна,

Харківський національний економічний університет,

зав. кафедрою економічної кібернетики

Офіційні опоненти: доктор економічних наук, професор

Кизим Микола Олександрович,

Науково-дослідний центр індустріальних

проблем розвитку НАН України, директор

кандидат економічних наук,

Матвійчук Андрій Вікторович,

Державний вищий навчальний заклад

“Київський національний економічний

університет ім. Вадима Гетьмана”,

доцент кафедри економіко-математичних методів

Захист відбудеться 15 листопада 2007 р. о 1300 годині на засіданні спеціалізованої вченої ради, шифр Д 64.055.01, у Харківському національному економічному університеті за адресою: 61001, м. Харків, пр. Леніна, 9а

З дисертацією можна ознайомитися у бібліотеці Харківського національного економічного університету за адресою: 61001, м. Харків, пр. Інженерний, 1а

Автореферат розісланий 13 жовтня 2007 р.

Вчений секретар

спеціалізованої вченої ради О.М. Ястремська

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. В умовах ринкової економіки однією з найважливіших є проблема неплатоспроможності і банкрутства підприємств. В Україні досить велика кількість підприємств щороку проходить процедуру банкрутства, наслідком якої може бути їх ліквідація. Крім того, значна кількість підприємств знаходиться на межі платоспроможності і працює зі збитками, що може призвести до банкрутства в майбутньому. Підприємства-банкрути є в кожному регіоні України, банкрутами стають як малі, так і великі підприємства. Особливо гострою проблема неплатоспроможності і банкрутства є для підприємств сільськогосподарської галузі, оскільки понад 50% підприємств закінчили 2006 рік зі збитками і така тенденція спостерігається протягом останніх десяти років.

Банкрутство окремого суб’єкта господарювання має суттєві негативні наслідки на всіх рівнях економіки: на мікрорівні – для власників і робітників підприємства – через фінансові втрати; на мезорівні – для регіону, в якому працює підприємство, через порушення господарських зв’язків підприємства-банкрута з партнерами і зниження економічних показників регіону; на макрорівні – для держави в цілому в зв’язку з порушенням макроекономічної рівноваги та зниженням об’єму ВВП і, як наслідок, зменшенням доходів державного бюджету.

Подолання проблеми банкрутства залежить від своєчасного виявлення загрози банкрутства на підприємстві та розробки і впровадження відповідних антикризових заходів, що дозволять подолати кризу, відновити ліквідність і платоспроможність та запобігти процедурі банкрутства і ліквідації підприємства.

Теоретичні основи антикризового управління підприємством і широке коло питань, пов’язаних з розробкою моделей оцінки схильності підприємства до банкрутства, відображені в роботах вітчизняних і зарубіжних учених, серед яких варто виділити таких авторів, як: Благун І. С., Бланк І. О., Забродський В. А., Кадиков Г. Г., Кизим М. О., Клебанова Т. С., Кромонов В., Лігоненко Л. О., Сайфулін Р. С., Альтман Е., Бівер У., Чессер Д., Лис Р. та ін. Однак в наукових працях не знайшли належного відображення питання, пов’язані з проблемами нечіткості класів кризи, оскільки розроблені моделі базуються на припущенні, що класи кризи є чіткими множинами, які не перетинаються. Це суттєво знижує якість існуючих моделей, так як на практиці підприємство поступово переходить з одного класу кризи в інший, а отже, класи кризи мають нечіткі границі. Тому на сьогодні актуальною є розробка економіко-математичних моделей оцінки загрози банкрутства на основі нечітких нейронних мереж, які базуються на правилах нечіткої логіки та здатні адаптуватися до змін середовища, що дозволить ефективно використовувати моделі протягом тривалого часу. Окрім цього, слід відзначити, що на даний час недостатньо уваги приділяється питанням розробки моделей прийняття антикризових управлінських рішень та оцінки їх ефективності.

Актуальність проблеми банкрутства та необхідність розробки економіко-математичних моделей на основі нечітких нейронних мереж, що дозволять своєчасно виявляти та запобігати загрозі банкрутства підприємства, обумовили вибір теми дисертації, визначили мету і завдання роботи.

Зв’язок роботи з науковими програмами, планами, темами. Дисертацію виконано згідно з планами науково-дослідних робіт кафедри економічної кібернетики та прикладної економіки Харківського національного університету ім. В.Н. Каразіна за темою: "Моделювання адаптивного механізму розвитку соціально-економічних систем" (реєстраційний номер ДР 0102U000355), в якій автор приймав участь як виконавець. Доробком автора є розробка моделі оцінки схильності підприємства до банкрутства.

Мета і завдання дослідження. Метою дисертаційної роботи є розробка комплексу економіко-математичних моделей оцінки і аналізу схильності підприємства до банкрутства, які дозволять своєчасно діагностувати можливість появи фінансової кризи на підприємстві, визначати її глибину та причини, а також розробляти і приймати відповідні антикризові управлінські рішення та оцінювати їх ефективність.

Для досягнення зазначеної мети в дисертаційній роботі поставлено такі завдання:

дослідити сучасний стан проблеми банкрутства в Україні;

розглянути основні підходи до діагностики банкрутства, виявити їх переваги і недоліки;

розробити послідовність етапів процесу оцінки і аналізу схильності підприємства до банкрутства;

сформувати систему найбільш інформативних показників фінансового стану підприємства;

побудувати адаптивні моделі прогнозування показників фінансового стану підприємства;

побудувати нечіткі адаптивні моделі оцінки схильності підприємства до банкрутства;

вдосконалити механізм розробки і прийняття антикризових управлінських рішень;

дослідити критерії та методи оцінки ефективності санаційних (антикризових) заходів;

побудувати економіко-математичну модель оцінки ефективності санації на основі нечіткої логіки.

Об’єктом дослідження є процеси фінансової діяльності підприємства.

Предметом дослідження є комплекс економіко-математичних моделей оцінки схильності підприємств сільського господарства до банкрутства.

Методи дослідження. Методологічною базою дисертаційного дослідження є роботи вітчизняних і закордонних учених у сфері антикризового управління і моделювання оцінки схильності підприємства до банкрутства, адаптивного прогнозування, використання штучних нейронних мереж і нечіткої логіки в прийнятті рішень і управлінні підприємством.

Розрахунки проводилися з використанням табличного процесору Microsoft Excel 7.0, пакетів прикладних програм STATISTICA 6.0, MATLAB 7.0.4.

У процесі дослідження були використані: системний аналіз – для опису об’єкта дослідження, концепції та комплексу розв’язуваних завдань; кластерний аналіз – для класифікації показників фінансового стану підприємства та підприємств в залежності від класу кризи; методи виділення діагностичних ознак – для формування системи найбільш інформативних показників фінансового стану підприємства, адаптивні методи прогнозування – для побудови моделей прогнозування показників фінансового стану підприємства, методи нечітких множин – для побудови моделей оцінки ефективності санації, методи нечітких нейронних мереж – для побудови моделей оцінки схильності підприємства до банкрутства.

Наукова новизна одержаних результатів полягає в наступному:

удосконалено:

економіко-математичну модель оцінки схильності підприємства до банкрутства, яка на відміну від існуючих побудована за допомогою методів нечітких нейронних мереж і дозволяє за допомогою нечітких правил визначити схильність підприємства до банкрутства не лише у поточному, а й у наступному періоді, що дає змогу підприємству своєчасно виявляти та попереджати загрозу банкрутства;

модель оцінки ефективності санації за допомогою методів нечітких множин, яка об’єднує якісні та кількісні критерії санаційної спроможності підприємства та визначає з певною імовірністю ефективність санаційних заходів, що дає змогу виявити і впровадити найбільш ефективний комплекс антикризових заходів;

систему показників фінансового стану підприємства на основі методу виділення діагностичних ознак, за допомогою якого визначено найбільш інформативні фінансові коефіцієнти, що характеризують різні аспекти діяльності підприємства.

дістали подальший розвиток:

адаптивні моделі прогнозування показників фінансового стану підприємства на основі поліноміальних моделей експоненційного згладжування, що дозволяють спрогнозувати значення фінансових коефіцієнтів та за їх допомогою визначити загрозу банкрутства підприємства в майбутньому з метою його своєчасного попередження;

механізм розробки, вибору і прийняття антикризових управлінських рішень в залежності від глибини фінансової кризи, що прискорює розробку антикризової програми на підприємстві.

Практичне значення одержаних результатів полягає в тому, що їх впровадження дозволить підприємствам сільськогосподарської галузі своєчасно виявляти загрозу банкрутства і розробляти та приймати відповідні антикризові управлінські рішення та оцінювати їх ефективність. Застосування результатів дослідження дозволить підвищити фінансову стійкість і стабільність функціонування суб’єктів господарювання та запобігати загрозі банкрутства і ліквідації підприємств.

Наукові результати, що мають прикладний характер, знайшли практичне застосування в діяльності дванадцяти сільськогосподарських підприємств, зокрема при визначенні загрози банкрутства СТОВ „Вікторія” (акт впровадження № 11 від 14.09.2005 р.) та СТОВ „Оріон” (акт впровадження № 9 від 20.09.2005 р.).

Особистий внесок здобувача в роботах, виконаних у співавторстві, відповідно до списку опублікованих робіт, приведеному в авторефераті. Усі роботи опубліковані автором одноосібно.

Апробація результатів дисертації. Основні положення дисертації доповідались і обговорювались:

на ІІІ Всеукраїнській науково-практичної конференції студенів, аспірантів та молодих вчених „Крок у майбутнє” (25–27 червня 2003 р., м. Київ);

на Всеукраїнській науковій конференції студентів, аспірантів і молодих вчених „Актуальні проблеми соціально-економічного розвитку в умовах ринкових перетворень” (16–17 квітня 2004 р., Харків);

на Підсумковій міжнародній науково-практичній конференції „Наука: теорія і практика” (20 липня – 5 серпня 2005 р., м. Дніпропетровськ);

на Міжнародній науково-практичній конференції „Сучасні проблеми інноваційного розвитку держави” (26–27 жовтня 2005 р., м. Дніпропетровськ);

на Міжнародній науково-практичній відео-інтернет конференції „Наука і інновації 2005” (17–31 жовтня 2005 р., м. Дніпропетровськ);

на Міжнародній науково-практичній конференції “Фінансові механізми сталого економічного розвитку” (18 травня 2007 р., м. Харків).

Публікації. За матеріалами дисертації опубліковано 11 праць (5 – статей у фахових виданнях, 6 – у збірниках матеріалів науково-практичних конференцій) загальним обсягом 3,18 ум.-друк. арк., з них особисто автору належить 3,18 ум.-друк. арк.

Структура і обсяг дисертації. Дисертація складається зі вступу, трьох розділів, висновків, списку використаних джерел зі 162 найменувань на 14 сторінках, 12 додатків на 29 сторінках. Робота викладена на 213 сторінках машинописного тексту, містить 17 таблиць на 7 сторінках, 52 рисунки на 24 сторінках (з них – 1 на окремій сторінці). Обсяг основного тексту дисертації складає 169 сторінок.

ОСНОВНИЙ ЗМІСТ ДИСЕРТАЦІЇ

У вступі обґрунтовано актуальність дослідження, визначена його мета і задачі, а також об'єкт і предмет дослідження, розкрита наукова новизна і практичне значення одержаних результатів.

В першому розділі – „Теоретико-методологічні аспекти проблеми банкрутства в Україні” – розглянуто роль і значення проблеми банкрутства в Україні, обґрунтовано її актуальність, проаналізовано сучасні підходи і моделі оцінки загрози банкрутства та запропоновано напрямки вдосконалення оцінки схильності підприємства до банкрутства.

Банкрутство в Україні давно стало проблемою, яка вимагає дослідження та регулювання. Підприємства – банкрути є в кожному регіоні України. Неплатоспроможними стають як великі, так і малі підприємства. Причому банкрутують не лише окремі суб’єкти господарювання, а й цілі галузі, де більшість підприємств працює зі збитками, наприклад, сільське господарство.

Банкрутство окремого суб’єкта господарювання має ряд суттєвих негативних наслідків на всіх рівнях економіки. Одним з напрямків подолання проблеми банкрутства є вдосконалення механізмів попередження кризового стану на підприємствах шляхом розробки комплексу адаптивних економіко-математичних моделей оцінки схильності підприємства до банкрутства. Запропонований комплекс економіко-математичних моделей оцінки схильності підприємства до банкрутства дозволить своєчасно прогнозувати фінансову кризу на підприємстві, визначати її глибину, розробляти і впроваджувати відповідні антикризові заходи та оцінювати їх ефективність. Це в свою чергу дозволить уникнути банкрутства і ліквідації підприємства. Комплекс моделей оцінки і аналізу схильності підприємства до банкрутства включає три послідовних етапи:

І. Оцінка загрози банкрутства.

ІІ. Розробка і прийняття антикризових рішень.

ІІІ. Оцінка ефективності впровадження антикризових заходів.

Цільовою спрямованістю першого етапу є: формування системи найбільш інформативних показників фінансового стану підприємства за допомогою математичних методів, розробка адаптивних моделей для визначення прогнозних значень фінансових показників, формування класів кризи та побудова адаптивних моделей оцінки загрози банкрутства.

Другий етап включає вдосконалення механізму прийняття антикризових управлінських рішень в залежності від класу кризи, який на відміну від існуючих одночасно об’єднує етапи розробки, вибору і прийняття управлінських рішень. Вдосконалений механізм антикризового управління дозволить своєчасно діагностувати загрозу кризи, визначивши одночасно її масштаб, визначити причини кризи, розробити і прийняти відповідні антикризові управлінські рішення, впровадити в дію і контролювати виконання антикризових рішень. Такий механізм антикризового управління дасть змогу підприємству не лише своєчасно діагностувати кризу, а й розробляти і впроваджувати заходи з її подолання, що, в свою чергу, дозволить уникнути процедури банкрутства і ліквідації підприємства.

Метою третього етапу є побудова моделі оцінки ефективності санаційних заходів. Дана модель дозволить оцінити ефективність альтернативних варіантів санаційних заходів, використовуючи прогнозні значення показників для кожної альтернативи і обираючи найбільш ефективний комплекс санаційних заходів. Це дасть змогу впровадити найбільш ефективні антикризові управлінські рішення, що дозволить підприємству швидше подолати кризу і уникнути банкрутства з мінімальними матеріальними затратами на проведення санації.

В другому розділі – „Моделі оцінки схильності підприємства до банкрутства” сформовано систему найбільш інформативних показників фінансового стану підприємства за допомогою економіко-математичних методів, розроблено адаптивні моделі прогнозування показників фінансового стану підприємства, досліджено методи і моделі оцінки імовірності банкрутства.

При визначенні імовірності виникнення фінансової кризи необхідно враховувати всі фактори, що впливають на фінансовий стан підприємства та відображають всі сторони його функціонування, однак при цьому є найбільш інформативними показниками, що дозволить підвищити точність моделі оцінки схильності підприємства до банкрутства. Для формування системи показників фінансового стану було використано метод виділення діагностичних ознак, який дозволяє розбити сукупність показників на групи і вибрати з кожної групи показник-репрезентант.

Відбір діагностичних ознак із сукупності показників фінансового стану підприємства Х={х1, х2, ..., хk} для оцінки схильності підприємства до банкрутства проводиться в два етапи. Перший етап полягає в розбивці сукупності вихідних ознак Х на підмножини Хр (р=1,2, ..., Р) однорідних елементів, а на другому етапі визначаються репрезентанти (ознаки-представники) виділених підмножин ознак:

х*р = f {х1,х2, ..., хn p}, для р=1, 2, ..., Р,

де х*р – репрезентант р-ї однорідної підмножини ознак.

Розбивку сукупності фінансових показників на групи було виконано за допомогою методів кластерного аналізу, а саме з використанням методу Уорда та методу k-середніх.

Вибір репрезентантів груп було здійснено за допомогою методу центру ваги, враховуючи мінімальні суми відстаней для кожного кластера по формулі:

,

де сij – відстань i-го елемента від j-го елемента р-ї групи;

nр – число ознак в р-й групі.

Для кластеризації показників фінансового стану була використана фінансова звітність дванадцяти сільськогосподарських підприємств за 2006–2007 роки, тому що на сьогодні більшість підприємств цієї галузі знаходиться у кризовому стані і потребує ефективного механізму оцінки схильності підприємства до банкрутства і механізму попередження банкрутства.

Отримана за допомогою методу виділення діагностичних ознак система показників для сільськогосподарських підприємств включає коефіцієнт фінансової незалежності (автономії), коефіцієнт оборотності власного капіталу, рентабельність виробничих фондів, коефіцієнт мобільності активів. В дану систему показників не ввійшли показники ліквідності. Це обумовлено, в першу чергу, специфікою досліджуваних підприємств, оскільки показники ліквідності для сільськогосподарських підприємств не мають вирішального значення для оцінки схильності підприємства до банкрутства. Платоспроможність сільськогосподарських підприємств залежить від закінчення періоду сільськогосподарських робіт. В цей час вона перевищує нормативні значення, а на початку періоду сільськогосподарських робіт – навпаки має дуже низькі значення, тому що підприємства вкладають кошти в посівну кампанію і беруть короткострокові кредити під майбутній урожай. Таким чином, отримана система показників характеризує різні аспекти діяльності підприємства і включає найбільш значущі показники, а отже може бути ефективно використана для побудови моделей оцінки схильності сільськогосподарських підприємств до банкрутства.

Для визначення прогнозних значень показників фінансового стану підприємства побудовані адаптивні прогнозні моделі. При використанні традиційних підходів і методів для прогнозування економічних показників часто висувається гіпотеза про те, що основні тенденції і фактори, виявлені на передісторії, зберігаються протягом періоду, який прогнозується. Таким чином, процес екстраполяції виявлених закономірностей, тенденцій базується на припущенні про інерційність економічних систем, що аналізуються. Однак в останній час в умовах нестаціонарного зовнішнього середовища рухливість цих систем зростає. Спостерігаються суттєві зміни в розвитку економічних відносин, зростає швидкість реакції на кон’юнктуру зовнішнього і внутрішнього ринків, на рішення влади тощо. В зв’язку з цим для прогнозування фінансових показників діяльності підприємства необхідно використовувати адаптивні прогнозні моделі, а саме моделі експоненційного згладжування.

Для врахування тренду розвитку показника моделі експоненційного згладжування описуються поліномом n-го порядку:

,

де - оцінки параметрів, - період упередження прогнозу.

Результати прогнозування показників фінансового стану на прикладі одного з досліджуваних підприємств на основі адаптивних поліноміальних моделей експоненційного згладжування приведені в табл. 1.

Таблиця 1

Результати прогнозування показників фінансового стану на прикладі

СТОВ “Вікторія”

Рівень довіри прогнозних моделей визначено на рівні 95 %. Перевірка адекватності отриманих прогнозних моделей за допомогою середніх абсолютних процентних помилок показала, що вони є адекватними, мають високу точність прогнозування і можуть використовуватися у практичній діяльності сільськогосподарських підприємств.

Оцінка імовірності банкрутства на основі системи фінансових показників полягає у визначенні класу кризи, до якого буде відноситися досліджуване підприємство. Аналіз літературних джерел показав, що на сьогодні найбільш широке застосування в моделюванні оцінки загрози банкрутства одержали статистичні економіко-математичні методи – кластерний і дискримінантний аналіз, що є методами розпізнавання образів і дають змогу віднести підприємство до одного з визначених класів кризи. Ці моделі базуються на припущенні, що класи кризи є чіткими множинами, які не перетинаються. Однак на практиці класи кризи мають нечіткі границі, оскільки розвиток фінансової кризи на підприємстві є безперервним процесом, і підприємство поступово переходить з одного класу кризи в інший. Цю проблему можна вирішити, застосовуючи для визначення класів кризи апарат нечітких множин. Однак моделі, побудовані на основі нечіткої логіки, не можуть автоматично набувати знання, тобто є моделями без навчання. Побудувати моделі оцінки загрози банкрутства, які базуються на методах нечіткої логіки і при цьому здатні адаптуватися до змін внутрішнього і зовнішнього середовища, дозволяє апарат нечітких нейронних мереж. Нечіткі нейронних мережі об’єднують в собі переваги нейронних мереж і систем з нечіткою логікою. Такі моделі не лише використовують апріорну інформацію, але і можуть отримувати нові знання, що робить їх логічно прозорими. Крім того, дані нечіткі системи в процесі їх роботи коригують правила і параметри функцій приналежності, що дозволяє їм адаптуватися до змін зовнішнього середовища.

Запропонований механізм побудови нечіткої нейронної моделі для оцінки схильності підприємства до банкрутства базується на наступних припущеннях: об’єкт, який досліджується, має входів (векторний вхід ) і один вихід , і має невідомий опис: , де - функція невідомого виду, - випадкова адитивна перешкода (відображає дію неврахованих факторів) з нульовим середнім значенням і довільним розподіленням. На об’єкті може бути реалізований експеримент, який містить у собі реєстрацію пар значень , , при цьому величини (вектори) вимірюються без помилок; значення при необхідності допускає модифікацію.

Алгоритм побудови нечіткої нейронної мережі містить наступні кроки:

Крок 1. Із довільних значень складається початкова база знань моделі, яка відображається матрицею зі строками виду .

Таке представлення еквівалентне набору продукційних правил виду:

: якщо є і є і ... і є , то , .

Крок 2. Для кожної нової експериментальної точки розраховується прогнозне значення за допомогою центроїдного методу:

,

,

де - функція дзвоноподібної або експоненціальної форми,

- параметр функції.

Крок 3. Перевіряється нерівність:

,

де - задана константа, яка визначає погрішність апроксимації.

Якщо нерівність виконується, база знань системи поповнюється шляхом розширення матриці (додаванням рядка ). В іншому випадку матриця залишається без змін.

Крок 4. Перевіряється правило зупинки. Побудова моделі вважається закінченою, якщо у відповідності з кроками 2 і 3 перебрані всі експериментальних точок (без врахування початкової бази знань). Якщо не всі експериментальні точки використані, то здійснюється перехід до кроку 2.

При використанні системи заданими вважаються матриця (на етапі використання моделі вона не змінюється), зазначені параметри і , а також розрахунок виконується у відповідності до кроку 2 алгоритму.

Модель, що ґрунтується на запропонованому алгоритмі, дозволить побудувати нечіткі правила, за допомогою яких можна визначити схильність підприємства до банкрутства у поточному і прогнозному періодах, що дасть йому змогу в разі необхідності своєчасно розробити і запровадити антикризові заходи і попередити банкрутство.

У третьому розділі – „Реалізація моделей і формування системи заходів по запобіганню банкрутству” розроблено модель оцінки схильності підприємства до банкрутства на основі нечітких нейронних мереж, запропоновано механізм розробки і прийняття антикризових управлінських рішень та розроблені моделі оцінки ефективності санації на основі методів нечіткої логіки.

Вхідними показниками моделі оцінки схильності підприємства до банкрутства є фінансові коефіцієнти, що входять до визначеної системи показників фінансового стану підприємства. Вихідними показниками є класи фінансової кризи, визначені на основі аналізу літературних джерел, а саме: 1 клас – стабільний фінансовий стан, 2 клас – задовільний, 3 клас – незадовільний, 4 клас – кризовий, 5 клас – катастрофічний.

Структура нечіткої нейронної мережі, побудованої на статистичних даних 12 сільськогосподарських підприємств за 2005-2007 рр. представлена на рис. 1.

Рис. 1. Структура нечіткої нейронної мережі для оцінки загрози банкрутства

Отримана нечітка нейронна мережа описується наступним чином:

Входами нечіткої нейронної мережі для оцінки загрози банкрутства підприємства є значення його фінансових коефіцієнтів, що входять до визначеної системи фінансових показників, а саме коефіцієнту фінансової незалежності (автономії), коефіцієнту оборотності власного капіталу, рентабельності виробничих фондів, коефіцієнту мобільності активів.

Шар 1. Виходи вузлів цього шару представляють собою значення функцій приналежності при конкретних (заданих) значеннях входів:

,

де аji, bji - параметри мережі, які коректуються в процесі навчання мережі.

Шар 2. Кожний нейрон цього шару є нечітким нейроном “І”, тобто сигнали і ваги в даному випадку об’єднуються за допомогою - конорми: а вихід утворюється за допомогою -норми: .

Шар 3. Здійснює додавання і зважене додавання вихідних сигналів шару 2.

Шар 4. Єдиний нейрон цього шару обчислює вихід мережі:

,

де – ступінь приналежності досліджуваного підприємства до одного з класів кризи.

Перевірка адекватності моделі, побудованої на основі нечіткої нейронної мережі, за допомогою середніх абсолютних процентних помилок показала, що модель є адекватною і має високу точність розпізнавання класів кризи, оскільки величина помилки мережі близька до нуля. Тому отримана модель може ефективно використовуватися для оцінки загрози банкрутства всіх підприємств сільськогосподарської галузі.

Роботу моделі оцінки схильності підприємства до банкрутства, побудованої за допомогою апарату нечітких нейронних мереж, було перевірено на фактичних значеннях фінансових показників 12 сільськогосподарських підприємств за перше півріччя 2007 р. (рис. 2). На рис. 2 по осі х розміщені досліджувані підприємства №1-№12, а вісь у представляє собою 5 класів кризи: таким чином підприємство №1 відноситься до третього класу кризи (незадовільний фінансовий стан), підприємство №2 – до четвертого класу кризи (кризовий фінансовий стан), підприємство №3 – до п’ятого класу кризи (катастрофічний фінансовий стан), підприємство №4 – до першого класу кризи (стабільний фінансовий стан), решта підприємств№5-№12 відносяться до другого класу кризи (задовільний фінансовий стан).

Рис. 2. Результат роботи нечіткої нейронної мережі для 12 сільськогосподарських підприємств

Геометрична інтерпретація нечіткої імплікації для побудованої нечіткої нейронної мережі на прикладі СТОВ “Вікторія” приведена на рис. 3.

Рис. 3. Геометрична інтерпретація нечіткої імплікації нейронної мережі для СТОВ „Вікторія”

Нечітка нейронна мережа формує шість правил для визначення класів кризи на основі навчальної вибірки, що представляють собою нейрони першого шару мережі. В першому рядку рис.3 приведені значення фінансових коефіцієнтів для досліджуваного підприємства у прогнозованому періоді (хі), останнє значення рядка (у) є вихідним сигналом мережі і дорівнює 2,03, таким чином СТОВ „Вікторія” на початок четвертого кварталу 2007 р. матиме задовільний фінансовий стан, тобто буде відноситися до другого класу кризи. Отже, загрози банкрутства для СТОВ „Вікторія” в прогнозованому періоді немає, однак існує загроза легкого ступеню кризи, яка може поглибитися. На рис. 3 також представлено графічне зображення функцій приналежності для кожного показника фінансового стану, де вертикальною лінією відзначено фактичне значення фінансових показників.

Геометрична інтерпретація роботи нечіткої нейронної системи для прогнозування банкрутства СТОВ “Оріон” приведена на рис. 4.

Рис. 4. Геометрична інтерпретація нечіткої імплікації нейронної мережі для СТОВ „Оріон”

Отриманий результат розпізнавання класу кризи (у) на основі фактичних значень фінансових показників хі дорівнює 2,26, отже СТОВ “Оріон” на початок третього кварталу 2007 р. буде знаходитися між другим та третім класами кризи, ближче до другого класу. Це значить, що його фінансовий стан можна охарактеризувати як задовільний, що має ознаки кризи. Таким чином, СТОВ „Оріон” має перші ознаки фінансової кризи і потребує розробки відповідних заходів по попередженню розвитку кризових явищ.

Таким чином, моделі, побудовані за допомогою нечітких нейронних мереж, є ефективним інструментом оцінки схильності підприємства до банкрутства, адже вони дозволяють віднести досліджуване підприємство з певним ступенем приналежності до того чи іншого класу кризи. Крім того, дані моделі є адаптивними, оскільки пристосовуються до змін зовнішнього середовища, що дуже важливо в умовах нестаціонарності економічної системи України.

Після визначення класу кризи необхідно розробити і прийняти відповідні антикризові заходи. Запропоновані на сьогодні в економічній літературі алгоритми антикризового управління відображають окремо процес розробки, вибору і прийняття антикризових управлінських рішень. Розроблений вдосконалений механізм антикризового управління об’єднує зазначені процеси (рис. 5). Даний механізм полегшить розробку і прийняття управлінських антикризових рішень в залежності від класу кризи. Це прискорить подолання фінансової кризи на підприємстві.

Для менеджера важливою є не лише розробка і прийняття антикризових управлінських рішень, але й оцінка доцільності і ефективності впровадження заходів з попередження банкрутства. Антикризові заходи є санаційними, оскільки санація – це система фінансово-економічних, виробничо-технічних, організаційно-правових та соціальних заходів, спрямованих на досягнення чи відновлення платоспроможності, ліквідності, прибутковості і конкурентоспроможності підприємства-боржника в довгостроковому періоді. Тобто санація – це сукупність усіх можливих антикризових заходів, які здатні привести підприємство до фінансового оздоровлення.

Для побудови моделі оцінки ефективності санації були використані методи аналізу нечітких множин, які дозволяють використовувати якісні і кількісні показники одночасно і дають узагальнену оцінку ефективності санації. Система показників оцінки ефективності санації включає кількісні показники: ліквідність; фінансову незалежність; рентабельність; додаткову вартість, створену в результаті санації, та якісний показник, що характеризує, чи вдалося підприємству відновити конкурентоспроможність у довгостроковому періоді, і має значення “так” або “ні”. Таким чином, ефективність санації визначається на основі п’яти показників, виходом нечіткої системи є ефективність санації. Функції приналежності для вихідної змінної описуються наступними рівняннями:

де - функція приналежності показника х, с- центр діапазонів значень ефективності санації, - параметр моделі.

Характеристика вхідних змінних нечіткої моделі оцінки ефективності санації для сільськогосподарських підприємств наведена в табл. 2.

Таблиця 2

Функції приналежності вхідних змінних нечіткої моделі оцінки ефективності санації для сільськогосподарських підприємств

Вхідна змінна | Діапазон значень | Санація неефективна | Санація ефективна

Коефіцієнт поточної ліквідності | від 0 до 2 | від 0 до 1 | від 1 до 2

Коефіцієнт фінансової незалежності | від 0 до 1 | від 0 до 0,5 | від 0,5 до 1

Рентабельність виробничих фондів | від 0 до 1 | від 0 до 0,5 | від 0,5 до 1

Конкурентоспроможність підприємства | від 0 до 1 | від 0 до 0,5 | від 0,5 до 1

Додаткова вартість активів, створена в результаті санації | від 0 до 2 | від 0 до 1 | від 1 до 2

Геометрична інтерпретація нечіткої імплікації по алгоритму Сугено для моделі оцінки ефективності санації представлена на рис. 6.

Рис.6. Геометрична інтерпретація нечіткої імплікації для оцінки ефективності санації

В першому рядку приведені значення показників ефективності санації і результат нечіткого виводу: коефіцієнт ліквідності на підприємстві становив 0,75, коефіцієнт фінансової незалежності – 0,5, коефіцієнт рентабельності – 1. Підприємству вдалося відновити свою конкурентоспроможність в довгостроковому періоді, вартість активів після проведення санації збільшилась на 40%. Кількісна шкала ефективності санації має вигляд: від 0 до 1 – санація неефективна, від 1 до 2 – санація ефективна. Отримане за допомогою правил нечіткого виводу значення ефективності санації досліджуваного сільськогосподарського підприємства дорівнює 1,35, отже санацію можна вважати ефективною.

Запропонована модель оцінки ефективності санації дає загальну оцінку ефективності санації, включає як кількісні, так і якісні показники. Крім того, дана модель дозволить оцінити ефективність альтернативних варіантів санаційних заходів, використовуючи для оцінки прогнозні значення показників для кожної альтернативи і обираючи найбільш ефективний комплекс санаційних заходів. Це дасть змогу менеджеру приймати найбільш ефективні антикризові управлінські рішення, що дозволить підприємству швидше подолати кризу і уникнути банкрутства з мінімальними матеріальними затратами на проведення санації.

ВИСНОВКИ

В дисертаційній роботі вирішено актуальне науково-практичне питання щодо оцінки схильності підприємства до банкрутства на основі побудови комплексу економіко-математичних моделей, які дозволяють своєчасно спрогнозувати загрозу банкрутства та попередити його. В результаті проведеного дисертаційного дослідження отримані наступні результати:

1. Проблема банкрутства вітчизняних підприємств потребує ефективних механізмів розв’язання, оскільки банкрутство окремого суб’єкта господарювання має суттєві негативні наслідки на всіх рівнях економіки: від мікро- до макрорівня.

2. Існуючі моделі діагностики загрози банкрутства підприємства дозволяють визначити клас кризи, до якого відноситься підприємство, однак в багатьох випадках таку однозначну оцінку зробити досить важко. Це обумовлено нечіткістю границь класів фінансової кризи на підприємстві.

3. Розробка послідовності етапів побудови комплексу адаптивних економіко-математичних моделей на основі нечіткої логіки дозволить з певною вірогідністю визначати клас кризи на підприємстві та розробити і впровадити найбільш ефективні заходи по запобіганню банкрутству.

4. Запропонована система показників фінансового стану для побудови моделей оцінки схильності підприємства до банкрутства включає найбільш інформативні показники: коефіцієнт фінансової незалежності (автономії), коефіцієнт оборотності власного капіталу, рентабельність виробничих фондів, коефіцієнт мобільності активів, які характеризують різні аспекти діяльності підприємства, що дозволить підвищити якість моделі оцінки загрози банкрутства.

5. Адаптивні моделі прогнозування показників фінансового стану підприємства дозволяють визначити загрозу банкрутства підприємства у наступних періодах, що дає змогу своєчасно запобігти виникненню та розвитку фінансової кризи на підприємстві.

6. Побудовані адаптивні моделі оцінки схильності підприємства до банкрутства за допомогою нечітких нейронних мереж дозволяють визначити приналежність досліджуваного підприємства з певною вірогідністю до одного з класів кризи, що підвищує точність оцінки загрози банкрутства і дає змогу своєчасно його попередити.

7. Запропонований механізм розробки і прийняття антикризових управлінських рішень дозволить визначати причини кризи на підприємстві та розробляти і впроваджувати комплекс антикризових заходів в залежності від класу кризи, в який потрапило підприємство. Це дасть змогу своєчасно локалізувати кризовий стан та попереджати неплатоспроможність і банкрутство підприємства.

8. Існуючі методи оцінки ефективності санації використовують окремо кількісні або якісні критерії. Це обумовлює необхідність розробки моделі оцінки ефективності санації на основі методів нечітких множин, яка дає змогу оцінити ефективність санації використовуючи одночасно як кількісні, так і якісні показники, що дозволить підвищити якість оцінки.

9. Для оцінки ефективності антикризових заходів побудовано економіко-математичну модель на основі нечіткої логіки, яка дає можливість підприємству вибирати і впроваджувати найбільш ефективний комплекс санаційних заходів.

СПИСОК ОПУБЛІКОВАНИХ РОБІТ ПО ТЕМІ ДИСЕРТАЦІЇ

Статті у фахових виданнях

1. Рибалка О.В. Алгоритм оцінки схильності підприємства до банкрутства // Економіка: проблеми теорії та практики. Збірник наукових праць. – Випуск . – Том II. – Дніпропетровськ: ДНУ, 2003. – С.335-339.

2. Рибалка О.В. Розробка механізмів запобігання загрозам банкрутства // Економіка: проблеми теорії та практики. Збірник наукових праць. – Випуск 209. –Том II. – Дніпропетровськ: ДНУ, 2005. – С. 399-404.

3. Рибалка О.В. Формування системи показників фінансового стану підприємства для оцінки імовірності банкрутства // Економіст. – 2005. – № 9. – С. .

4. Рибалка О.В. Визначення схильності підприємства до банкрутства за допомогою нечітких нейронних мереж // Актуальні проблеми економіки. – 2006. – №1 (55). – С. 199-206.

5. Панасенко О.В. Модель оцінки схильності підприємства до банкрутства // Економіка: проблеми теорії та практики. Збірник наукових праць. – Випуск 227.  Том II. – Дніпропетровськ: ДНУ, 2007. – С. 315-326.

Тези доповідей на конференціях

6. Рыбалка О.В. Алгоритм оценки предрасположенности предприятия к банкротству // Тези доповідей ІІІ Всеукраїнської науково-практичної конференції студентів, аспірантів та молодих вчених “Крок у майбутнє”. Київ: НТУУ “КПІ”, 2003. – С. 170.

7. Рыбалка О.В. Анализ существующих подходов к оценке угрозы банкротства // Тези доповідей Всеукраїнської наукової конференції студентів, аспірантів і молодих вчених „Актуальні проблеми соціально-економічного розвитку в умовах ринкових перетворень”. – Харків: ХНУ ім. В.Н. Каразіна, 2004. – С. 176-180.

8. Рибалка О.В. Формування загроз банкрутства для побудови моделей оцінки схильності підприємства до банкрутства // Матеріали Міжнародної науково-практичної конференції “Сучасні проблеми інноваційного розвитку держави”. – Том . – Дніпропетровськ: Наука і освіта, 2005. – С. 34-38.

9. Рибалка О.В. Алгоритм побудови адаптивних моделей прогнозування значень показників фінансового стану підприємства // Матеріали Підсумкової міжнародної науково-практичної конференції „Наука: теорія і практика”. – Том . – Дніпропетровськ: Наука і освіта, 2005. – С. 7-10.

10. Рибалка О.В. Діагностика причин кризового стану підприємства // Матеріали Міжнародної науково-практичної конференції “Наука та інновації – 2005”. – Том 10. – Дніпропетровськ: Наука і освіта, 2005. – С. 89-95.

11. Рибалка О.В. Оцінка ефективності санації за допомогою методів нечітких множин // Зб. наукових праць Міжнародної науково-практичної конф. молодих економістів "Фінансові механізми сталого економічного розвитку". – Харків: ХІБМ, 2007. – С. 229-233.

АНОТАЦІЯ

Панасенко О.В. Моделі оцінки і аналізу схильності підприємства до банкрутства. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата економічних наук за спеціальністю 08.00.11 – математичні методи, моделі та інформаційні технології в економіці. – Харківський національний економічний університет, Харків, 2007.

У дисертаційній роботі запропоновано комплекс економіко-математичних моделей оцінки і аналізу схильності підприємства до банкрутства, який включає моделі оцінки схильності підприємства до банкрутства, побудовані за допомогою нечітких нейронних мереж, вдосконалений механізм розробки і прийняття антикризових управлінських рішень та модель оцінки доцільності і ефективності впровадження заходів по попередженню банкрутства, побудовану на основі методів нечіткої логіки.

Розроблений в дисертаційній роботі комплекс економіко-математичних моделей дозволяє своєчасно виявляти загрозу банкрутства, розробляти відповідні антикризові заходи та оцінювати їх ефективність. Це дає змогу підприємству бути конкурентоспроможним, успішно функціонувати на ринку та попереджати кризу і банкрутство з мінімальними витратами.

Ключові слова: економіко-математична модель, схильність підприємства до банкрутства, нечіткі нейронні мережі, механізм розробки і прийняття антикризових управлінських рішень, попередження банкрутства, нечітка логіка, антикризові заходи.

АННОТАЦИЯ

Панасенко О.В. Модели оценки и анализа предрасположенности предприятия к банкротству. – Рукопись.

Диссертация на соискание научной степени кандидата экономических наук по специальности 08.00.11 – математические методы, модели и информационные технологии в экономике. – Харьковский национальный экономический университет, Харьков, 2007.

В диссертационной работе предложен комплекс экономико-математических моделей оценки и анализа предрасположенности предприятия к банкротству, который включает модели оценки предрасположенности предприятия к банкротству, механизм разработки и принятия антикризисных управленческих решений и модели оценки целесообразности и эффективности внедрения мероприятий по предупреждению банкротства.

Для построения моделей оценки угрозы банкротства сформирована система показателей финансового состояния предприятия, которая включает лишь наиболее значимые показатели, которые в то же время характеризуют все аспекты деятельности сельскохозяйственных предприятий: коэффициент мобильности активов, коэффициент оборотности собственного капитала, рентабельность производственных фондов, коэффициент финансовой независимости (автономии). Для получения прогнозных значений финансовых показателей с целью своевременного предупреждения банкротства построены адаптивные модели прогнозирования на основе экспоненциального сглаживания. Для оценки угрозы банкротства построены экономико-математические модели на основе нечетких нейронных сетей. Нечеткие нейронные сети объединяют в себе преимущества нейронных сетей и систем с нечеткой логикой и позволяют построить нечеткие правила, с помощью которых можно определить предрасположенность исследуемого предприятия к банкротству. Такие модели имеют высокую точность, кроме того, они являются адаптивными, что дает возможность эффективно их использовать для оценки угрозы банкротства отечественных предприятий. Полученная нечеткая нейронная модель позволяет определить принадлежность исследуемого предприятия к одному из классов кризиса: хорошее состояние, удовлетворительное, неудовлетворительно, кризисное, катастрофическое. Кроме того, позволяет спрогнозировать угрозу банкротства в будущем периоде путем применения для оценки прогнозных значений финансовых показателей с целью предупреждения банкротства.

В диссертационной работе усовершенствован механизм разработки и принятия антикризисных управленческих решений, что позволит менеджеру определять причины кризиса и разрабатывать и внедрять комплекс антикризисных мероприятий в зависимости от класса кризиса, в который попало предприятие. Это даст возможность своевременно локализовать кризисное состояние и предупреждать неплатежеспособность и банкротство предприятия.

Построена модель оценки эффективности санационных (антикризисных) мероприятий на основе аппарата нечетких множеств, которая позволяет с определенной вероятностью определить эффективность санации и включает как количественные, так и качественные показатели. Данная модель удобна в практическом использовании и дает возможность оценить не только эффективность внедренных, но и запланированных антикризисных мероприятий, что позволяет выбрать и внедрить наиболее эффективный комплекс мероприятий по предупреждению банкротства.

Разработанный в диссертационной работе комплекс экономико-математических моделей позволяет своевременно выявлять угрозу банкротства, разрабатывать соответствующие антикризисные мероприятия и оценивать их эффективность. Это дает возможность предприятию