💸 Как сделать бизнес проще, а карман толще?

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже. Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее.
✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать».
Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами!

Методы диагностики вероятности банкротства организации

В зарубежных странах для оценки риска банкротства и кредитоспособности организаций широко используются факторные модели известных западных экономистов Альтмана, Лиса, Таффлера, Тишоу и др., разработанные с помощью многомерного дискриминантного анализа.

Индекс Альтмана представляет собой функцию от некоторых показателей, характеризующих экономический потенциал организации и результаты ее работы за истекший период. В общем виде индекс кредитоспособности (Z) имеет вид:

Z = 0, 717 х₁ + 0, 847 х₂ + 3, 107 х₃ + 0, 42 х₄ + 0, 995 х₅, (1.1)

где х₁ – собственный краткосрочный капитал: сумма активов;

х₂ – нераспределенная прибыль: сумма активов;

х₃ – прибыль до уплаты процентов: сумма активов;

х₄ – балансовая стоимость собственного капитала: заемный капитал;

х₅ – объем продаж (выручка): сумма активов.

Таблица 1.6 – Дискриминантная модель Альтмана

Примечание – Источник: [11, с. 65].

В результате подсчета Z – показателя для конкретной организации делается заключение:

– если Z < 1, 81 – вероятность банкротства составляет от 80 до 100%;

– если 2, 77 ≤ Z < 1, 81 – средняя вероятность банкротства организации от 35 до 50%;

– если 2, 99 < Z < 2, 77 – вероятность банкротства не велика от 15 до 20%;

– если Z ≥ 2, 99 – ситуация в организации стабильна, риск неплатежеспособности в течение ближайших двух лет крайне мал.

Для обоснования основных индикаторов риска банкротства и создания дискриминантной модели его оценки, Г.В. Савицкой была собрана информация по 200 производственным организациям за 3 года и на основании ее рассчитаны 26 финансовых коэффициентов по каждому субъекту хозяйствования за каждый год.

С помощью корреляционного и многомерного факторного анализа было установлено, что наибольшую роль в изменении финансового положения производственных организаций играют такие показатели:

Z = 0, 111х₁ + 13, 239х₂ + 1, 676х₃ + 0, 515х₄ + 3, 80х₅, (1.2)

где х₁ – доля собственного краткосрочного капитала в формировании краткосрочных активов, коэффициент;

х₂ – приходится краткосрочного капитала на рубль основного, руб.;

х₃ – коэффициент оборачиваемости совокупного капитала;

х₄ – рентабельность активов организации, %;

х₅ – коэффициент финансовой независимости (доля собственного капитала в общей валюте баланса) [12, c. 88].

Таблица 1.7 – Дискриминантная факторная модель Савицкой

Примечание – Источник: [11, с. 72].

Данные показатели были положены в основу разработки дискриминантной факторной модели диагностики риска банкротства производственных организаций, которая получила следующее выражение:

Константа сравнения – 8. Если величина Z-счета больше 8, то риск банкротства малый или отсутствует. При значении Z-счета меньше 8 риск банкротства присутствует: от 8 до 5 – небольшой, от 5 до 3 – средний, ниже 3 – большой, ниже 1 – стопроцентная несостоятельность.

Модель прогнозирования вероятности наступления банкротства О.П. Зайцевой. С помощью корреляционного и многомерного факторного анализа было установлено, что наибольшую роль в изменении финансового положения производственных организаций играют показатели, которые использованы в шестифакторной математической модели О.П. Зайцевой, где предлагается рассчитывать следующие частные коэффициенты:

1) КУП – коэффициент убыточности организации, характеризующийся отношением чистого убытка к собственному капиталу (III раздел баланса):

х₁ =, (1.3)

нормативное значение х₁ = 0;

2) КЗ – коэффициент соотношения кредиторской и дебиторской задолженности:

х₂ =, (1.4)

нормативное значение х₂ = 1;

3) КС – показатель соотношения краткосрочных обязательств и наиболее ликвидных активов, этот коэффициент является обратной величиной показателя абсолютной ликвидности:

х₃ =, (1.5)

нормативное значение х₃ = 7;

4) КУР – убыточность реализации продукции, характеризующийся отношением чистого убытка к объему реализации этой продукции

х₄ = (1.6)

нормативное значение х₄ = 0;

5) КФНКИ – коэффициент финансового левериджа (финансового риска) – отношение заемного капитала (долгосрочные и краткосрочные обязательства) к собственным источникам финансирования:

х₅ = (1.7)

нормативное значение х₅ = 0, 7;

6) КЗАГ – коэффициент загрузки активов как величина, обратная коэффициенту оборачиваемости активов – отношение общей величины активов организации (валюты баланса) к выручке:

х₆ = (1.8)

нормативное значение х6 = х6прошлого периода.

Если у организации нет убытков, то ставится 0.

Таблица 1.8 – Расчет показателей, используемых в модели О.П. Зайцевой

Примечание – Источник: [11, с. 74].

Данные показатели были положены в основу разработки дискриминантной факторной модели диагностики риска банкротства производственных организаций. Комплексный коэффициент банкротства рассчитывается по формуле со следующими весовыми значениями:

К = 0, 25× х₁ + 0, 1× х₂ + 0, 2× х₃ + 0, 25× х₄ + 0, 1× х₅ + 0, 1× х₆. (1.9)

Весовые значения частных показателей для коммерческих организаций были определены экспертным путем, а фактический комплексный коэффициент банкротства следует сопоставить с нормативным, рассчитанным на основе рекомендуемых минимальных значений частных показателей – расчетное значение К надо сравнить с К нормативным.

Если фактический комплексный коэффициент больше нормативного Кфакт> КN, то вероятность банкротства велика, а если меньше – то вероятность банкротства мала.

Рассчитаем нормативное значение К:

КN = 0, 25× 0 + 0, 1× 1 + 0, 2× 7 + 0, 25× 0 + 0, 1× 0, 7 + 0, 1× х₆, (1.10)

КN = 1, 57 + 0, 1× х₆. (1.11)

Таким образом, можно отметить, что тестирование данной модели по исследуемой выборке субъектов хозяйствования показало, что она позволяет довольно быстро провести экспресс-анализ финансового состояния производственных организаций и достаточно точно оценить степень вероятности их банкротства.

В заключение главы можно сделать вывод, что кризисную ситуацию необходимо диагностировать на самых ранних этапах с целью своевременного использования возможностей ее нейтрализации. Диагностика финансового состояния организации показывает, по каким направлениям надо вести работу, дает возможность выявить наиболее важные аспекты и наиболее слабые позиции в финансовом состоянии организации. Важно систематически наблюдать за изменениями в системе показателей, отражающих наличие и размещение средств, реальной и потенциальной финансовой возможности, располагая при этом объективными критериями оценки финансового состояния. Анализ финансовой устойчивости организации дает возможность оценить, насколько организация готова к погашению своих долгов и ответить на вопрос, насколько оно является независимым с финансовой стороны, увеличивается или уменьшается уровень этой независимости, отвечает ли состояние активов и пассивов организации целям ее хозяйственной деятельности.

2 Анализ финансового состояния ООО «Полстар»