Экспресс-диагностика риска банкротства организаций на базе селективно-индикативной модели

Конструирование наиболее эффективных моделей диагностики риска банкротства нацелено на предотвращение проблемы финансового кризиса в народно-хозяйственном комплексе России. В статье представлен механизм экспресс-диагностики риска дефолта, ориентированный на раннее распознавание сигнальных признаков, определение «кризисного поля» и предварительную оценку масштабов предкризисного состояния предприятий. В качестве диагностического инструмента предлагается селективно-индикативная модель с регионально-отраслевой спецификацией.

Спецификация предусматривает применение регионально-отраслевого уровня экспонентов модели в качестве их значенийориентиров. Эмпирический фундамент исследования построен на основе статистических и справочных материалов, а также данных финансовой отчетности сельскохозяйственных организаций Кемеровской области – Кузбасса.

Исследование включало следующие стадии: выявление индикативных сигналов риска банкротства на основе изучения 22 оригинальных методик прогнозирования финансового кризиса на предмет состава методического инструментария; оценку уровня их практической «популярности»; оценку комплекта выявленных индикативных сигналов риска дефолта на адекватность путем анализа их сопряженности с известными сигнальными критериями финансовой несостоятельности; экономическую интерпретацию и тематическую типизацию индикативных сигналов риска дефолта, фиксацию аналитических векторов-ориентиров; идентификацию индивидуального «долевого присутствия» индикативных сигналов риска банкротства в совокупности; определение и обоснование критических значений экспонентов модели, обеспечение направленности аналитических векторов-ориентиров для максимизации целевой функции; систематизацию и синтез индикативных сигналов в диагностическую модель, разработку градационной шкалы; фиксацию сигнальной аналитической базы; апробацию сформированной модели; формулирование выводов об адекватности модели и возможности ее адаптации в реальном секторе экономики.

Модель, сконструированная на фундаменте индикативных сигналов риска банкротства в контексте их частного «долевого присутствия» в рейтинговом числе, позволит повысить прогностическое качество диагностической процедуры. Практическое применение модели, которая базируется на небольшом числе экспонентов, приведет к повышению скорости антикризисного анализа.

1. Абдуллаева П. Р., Бандурина Н. В., Воронина Ю. М. Законодательство о банкротстве: преемственность и новации. М.: Юстицинформ, 2023. 348 с.

2. Civil Code of the Russian Federation [Internet]. [cited 2023 Jun 15]. Available from: https://www.consultant.ru/ document/cons_doc_LAW_5142

3. Chernichenko SG, Kotov RM. Methodological tools for diagnosing insolvency (bankruptcy) of organizations in the anti-crisis management system. Food Processing: Techniques and Technology. 2020;50(4):588–601. (In Russ.). https://doi.org/10.21603/2074-9414-2020-4-588-601

4. Горбатков С. А., Фархиева С. А., Белолипцев И. И. Нейросетевые и нечеткие методы моделирования диагностики и прогнозирования банкротств корпораций. М.: Прометей, 2018. 371 с. https://elibrary.ru/XQVBDX

5. Жданов В. Ю. Диагностика риска банкротства. М.: Проспект, 2022. 159 с.

6. Kazakov AV, Kolyshkin AV. The development of bankruptcy prediction models in modern Russian economy. St. Petersburg University Journal of Economic Studies. 2018;34(2):241–266. (In Russ.). https://doi.org/10.21638/11701/spbu05.2018.203

7. Mizanbekova SK, Bogomolova IP, Shatohina NM. Prospects for digital and innovative technologies in management competitiveness of enterprises. Food Processing: Techniques and Technology. 2020;50(2):372–382. (In Russ.). https://doi.org/10.21603/2074-9414-2020-2-372-382

8. Ryakhovskaya AN. Bankruptcy and financial recovery of economic entities. Moscow: Yurayt; 2024. 153 p. (In Russ.). [Ряховская А. Н. Банкротство и финансовое оздоровление субъектов. М.: Юрайт, 2024. 153 с.].

9. Fedorova EA, Musienko SO, Fedorov FYu. Analysis of the external factors influence on the forecasting of bankruptcy of Russian companies. St. Petersburg University Journal of Economic Studies. 2020;36(1):117–133. (In Russ.). https://doi.org/10.21638/spbu05.2020.106

10. Altman EI, Hotchkiss E. Corporate financial distress and bankruptcy: Predict and avoid bankruptcy, analyze and invest in distressed debt. John Wiley and Sons; 2010, 368 p.

11. Kücher A, Mayr S, Mitter C, Duller C, Feldbauer-Durstmüller B. Firm age dynamics and causes of corporate bankruptcy: age dependent explanations for business failure. Review of Managerial Science. 2020;14:633–661. https://doi.org/10.1007/s11846-018-0303-2

12. Newton GW. Bankruptcy and insolvency accounting: Practice and procedure. New York: John Wiley and Sons; 2019. 554 p.

13. Sheynman OK. Integrable systems of algebraic origin and separation of variables. Functional Analysis and its Applications. 2018;52(4):94–98. (In Russ.). https://doi.org/10.4213/faa3553

14. Territorial body of the Federal State Statistics Service for the Kemerovo region (Kuzbass) [Internet]. [cited 2023 Jun 17]. Available from: https://42.rosstat.gov.ru

15. Federal State Statistics Service [Internet]. [cited 2023 Jun 17]. Available from: https://www.gks.ru

16. Directory of financial indicators of industries in the Russian Federation [Internet]. [cited 2023 Jun 17]. Available from: https://www.testfirm.ru/finfactor

17. Accounting. Taxes. Audit [Internet]. [cited 2023 Jun 17]. Available from: https://www.audit-it.ru

18. Rada AO, Fedulova EA, Kosinsky PD. New method for efficiency evaluation of digital technologies in agricultural sector. Food Processing: Techniques and Technology. 2019;49(3):495–504. (In Russ.). https://doi.org/10.21603/2074-94142019-3-495-504

19. Shadrin VG, Kotova ON, Polikarpova LA. The current state and prospects of the grain market in the Kemerovo region. Food Processing: Techniques and Technology. 2019;49(4):680–688. (In Russ.). https://doi.org/10.21603/2074-94142019-4-680-688