Банкротство крупных и средних компаний реального сектора в России: тенденции, структурные характеристики и основные факторы В условиях высокой волатильности на мировых рынках, нестабильности и угрозы дальнейшего ухудшения экономической конъюнктуры актуальным представляется вопрос об оценке устойчивости дальнейшего развития российских компаний реального сектора к изменению внешних условий. Особую остроту вопросу придает резкий рост числа банкротств в 2014 г. (по оценке авторов, по итогам января-сентября 2014 г. прирост к предшествующему году числа банкротств среди крупных и средних компаний промышленности и сельского хозяйства составил около 40%). Исследования в области анализа финансовой устойчивости компаний реального сектора берут начало в 30-х годах XX века. В истории подходов к оценке устойчивости компаний можно выделить три основных этапа – (1) «ранний» этап (основной метод – сопоставительный анализ финансовых показателей «успешных» и «проблемных» компаний)1, (2) развитие многомерных моделей (в основе – многомерные статистические методы анализа)2, (3) современный этап3 (переход к комплексным моделям стресстестирования). Несмотря на значительное разнообразие методов анализа рисков, эконометрический подход является преобладающим на современном этапе4. В рамках настоящего исследования мы продолжаем работу по анализу факторов риска банкротства в секторе крупных и средних компаний промышленности и сельского хозяйства, опираясь на методику, разработанную в 2012 г. (см. [Сальников и др., 2012]). По сравнению с ранее полученными результатами в рамках данной работы: 1. Существенно расширена база данных о банкротствах в России (включая разделение компаний по этапам процедуры банкротства, наиболее значимым с точки зрения экономического анализа – наблюдение и конкурсное производство); на настоящий момент в базе систематизированы и стандартизованы все сообщения о банкротствах за период 2007-2014 гг. Подробнее см., например: [Merwin, 1942] и др. Подробнее см., например: [Beaver, 1966], [Altman, 1968] и др. 3 Подробнее см., например: [Crosbie, Bonn, 2002], [Andersen et al, 2008], [Коссова, Коссова, 2011], [Федорова, Гиленко, Довженко, 2013] и др. 4 Одной из характерных особенностей современного этапа исследований финансовой устойчивости реального сектора является параллельное существование различных методов анализа рисков, как конкурирующих между собой (например, нейронные сети и эконометрические скоринговые модели), так и дополняющих друг друга (например, использование сигнальных индикаторов для оценке качества апостериорной классификации эконометрических скоринговых моделей бинарного выбора). Подробнее см., например, [Jardin, 2010] 1 2 2. Выявлены и проанализированы основные тенденции и структурные характеристики компаний-банкротов и небанкротов в период 2007-2014 гг. 3. Пересмотрена и дополнена методика построения скоринговой модели банкротства (в частности, доработан алгоритм коррекции модели с учетом проблемы несбалансированности числа банкротств и небанкротств); 4. Доработана эконометрическая скоринговая модель для «проблемных» компаний (под «проблемными» понимаются компании, испытавшие резкий спад производства). В основе исследования лежит выборка крупных и средних компаний промышленности и сельского хозяйства в России. Период анализа охватывает 20072014 гг. Информационной базой для исследования послужили: база данных БИРАналитик (в части бухгалтерской отчетности компаний), а также ресурс IT-AuditБанкротство предприятия, содержащий подробные сведения о предприятиях-банкротах и ходе процедуры банкротства. Показано, что наиболее проблемные сектора с точки зрения количества предприятий-банкротов – агропромышленный комплекс5 (около 40%), машиностроение (около 13%), электроэнергетика и производство стройматериалов (около 10%); напротив, благоприятная ситуация с точки зрения количества проблемных предприятий, а также их числа ожидается в отрасли производства нефтепродуктов, а также легкой промышленности. Одним из наиболее значимых факторов банкротства остается сокращение прибыли от продаж и увеличение нагрузки на прибыль со стороны процентных платежей. В числе значимых факторов банкротства предприятий также (в скобках указан вклад каждого из факторов в абсолютном выражении в изменение вероятности банкротства в соответствии с моделью6): рост уровня долговой нагрузки (8,4%), снижение оборачиваемости активов (4,4%), ухудшение финансового состояния в отрасли в целом (в совокупности около 25%). Резкий рост числа банкротств в 2014 г. стал результатом сокращения рентабельности при одновременном ухудшении условий кредитования компаний. Показано, что состав факторов, резко повышающих вероятность банкротства компании, в целом совпадает с факторами, повышающими вероятность резкого падения выручки (доли на рынке) компании, хотя предельные эффекты этих факторов для случаев Сельское хозяйство и производство пищевых продуктов. Вклад рентабельности в изменение вероятности банкротства составляет около 50%: падение рентабельности на 1 п.п. вызывает прирост вероятности банкротства на 10 п.п. 5 6 банкротства и сокращения выручки, заметно отличаются (знаки предельных эффектов не меняются, однако в абсолютном выражении разница может составлять до 1,5 раз). Литература Коссова Т.В., Коссова Е.В. (2011): Оценка кредитного риска компаний российского корпоративного сектора на основе прогнозирования вероятности дефолта по обязательствам. // Проблемы анализа риска том 8, No 2 стр.68-78. Сальников В.А., Могилат А.Н., Маслов И.Ю. (2012): Стресс-тестирование компаний реального сектора для России: первый подход (методологические аспекты)//Журнал Новой Экономической Ассоциации. №4(16). с.46-70 Фёдорова Е.А., Гиленко Е.В., Довженко С.Е. (2013): Модели прогнозирования банкротства: особенности российских предприятий//Проблемы прогнозирования. №2(137). с.85-92 Altman, E. (1968): Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance, No 23, pp. 589 – 609. Andersen H., Berge T. O., Bernhardsen E., Lindquist K.-G., Vatne B.H. (2008): A Suite-ofModels Approach to Stress-Testing Financial Stability//Staff Memo.2008/2. Norges Bank Beaver W. (1966): Financial ratios as predictors of failure. empirical research in accounting: Selected studies. // Journal of Accounting Research, No 5, pp. 71-111. Bellovary J., Giacomino D., Akers M. (2007): A Review of Bankruptcy Prediction Studies: 1930 to Present//Journal of Financial Education. Vol.33. pp.1-42 Crosbie P.J., Bohn J.R. (2002): Modeling Default Risk//KMV LLC. San-Francisco, California, USA Jardin P. (2010): Predicting Bankruptcy Using Neural Networks and Other Classification Methods: The Influence of Variable Selection Techniques on Model Accuracy// Proceedings of the Second European Symposium on Time Series Prediction (Estsp 2008). Helsinki University of Technology, Porvoo, Finland. pp. 271-284 Merwin C. (1942): Financing small corporations in five manufacturing industries, 1926-1936 New York: National Bureau of Economic Research