Веревка Т.В.кандидат экономических наук, доцент Высшей инженерно-экономической школы, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Российская Федерация verevkatv@mail.ru https://orcid.org/0000-0003-3623-2981 SPIN-код: отсутствует
Епиченко А.Е.студентка магистратуры Высшей инженерно-экономической школы, Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Российская Федерация epick_li@mail.ru ORCID id: отсутствует SPIN-код: отсутствует
Предмет. Методы прогнозирования банкротства предприятия строительной отрасли. Цели. Разработка отраслевой модели прогнозирования банкротства предприятий строительной сферы. Методология. Использованы общенаучные методы познания: анализ, синтез, сравнение, обобщение, наблюдение. Основным статистико-экономическим методом исследования является линейный многомерный дискриминантный анализ (MDA), с помощью которого проведены расчеты в программе для статистической обработки данных SPSS Statistics. Результаты. Произведен отбор оптимальных предикторов по каждой группе показателей рентабельности, ликвидности, финансовой устойчивости и деловой активности, которые могут объяснить финансовое состояние компании в целом на основе финансовой информации. Разработана и апробирована отраслевая модель прогнозирования банкротства предприятий строительной сферы, прогнозная точность которой составляет 81,7%, что свидетельствует об эффективности модели. Выводы. Разработанная модель, созданная с использованием отраслевой выборки, представляет более точную оценку вероятности банкротства предприятий строительной отрасли по сравнению с «универсальными» моделями. Использование данной модели в качестве вспомогательного инструмента проведения анализа финансового состояния предприятий является эффективным методом выявления и своевременного предупреждения банкротства. При изменении весовых коэффициентов данная модель может быть применима также и в других отраслях экономики.
Ключевые слова: прогнозирование банкротства, моделирование, дискриминантный анализ
Список литературы:
Веревка Т.В. Методы оценки эффективности финансово-хозяйственной деятельности предприятия: мировой опыт // Россия в глобальном мире. 2016. № 9. С. 357–369. URL: Link
Altman E.I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy. The Journal of Finance, 1968, vol. 23, iss. 4, pp. 589–609. URL: Link
Кулаков Ю.Н. Инновационный подход к организации и управлению строительной отраслью мегаполиса: монография. М.: МИСИ-МГСУ, 2017. 174 с.
Игонина А.В. Диагностика финансового состояния предприятия и пути его улучшения // Молодой ученый. 2019. № 12. С. 1266–1271. URL: Link
Бердникова Л.Ф. Финансовый анализ: понятие и основные методы // Молодой ученый. 2019. № 1. С. 330–338. URL: Link
Макеева Е.Ю., Аршавский И.В. Применение нейронных сетей и семантического анализа для прогнозирования банкротства // Корпоративные финансы. 2019. Т. 8. № 4. С. 130–140. URL: Link
Hosaka T. Bankruptcy Prediction Using Imaged Financial Ratios and Convolutional Neural Networks. Expert Systems with Applications, 2019, vol. 117, pp. 287–299. URL: Link
Илышева Н.Н. Анализ в управлении финансовым состоянием коммерческой организации: монография. М.: Финансы и статистика, 2021. 244 с.
Илышева Н.Н., Ким Н.В. Математическая модель определения нормативов финансовых показателей // Финансы и кредит. 2007. № 31. С. 80–87. URL: Link
Нормова Т.А., Шевель Е.М., Озерян В.П., Дейнеко Д.А. Коэффициентный анализ финансовой устойчивости организаций // Естественно-гуманитарные исследования. 2021. № 4. С. 223–230. URL: Link
Федорова Е.А., Чухланцева М.А., Чекризов Д.В. Нормативные значения коэффициентов финансовой устойчивости: особенности видов экономической деятельности // Управленческие науки. 2019. Т. 7. № 2. С. 44–55. URL: Link
Кудрявцева Т.Ю., Грачева А.А. Обоснование нормативных значений коэффициентов ликвидности компании: данные из машиностроительной, транспортной и логистической отраслей // Финансовая аналитика: проблемы и решения. 2023. Т. 16. Вып. 3. С. 250–265. URL: Link
Войко А.В. Моделирование вероятности банкротства строительных организаций в Российской Федерации // Финансы: теория и практика. 2019. Т. 23. № 5. С. 62–74. URL: Link
Груздев А.В. Прогнозное моделирование в IBM SPSS Statistics, R и Python. Метод деревьев и решений. М.: ДМК-Пресс, 2018. 642 с.
Cheng F. Lee, Lee J.C., Alice C. Lee. Financial Analysis, Planning & Forecasting: Theory and Application. New Jersey, World Scientific Publishing Company, 2016, 1392 p.
Опекунов А.Н., Кузьмина М.Г. Принципы формирования моделей прогнозирования вероятности банкротства предприятий с использованием элементов машинного обучения // Модели, системы, сети в экономике, технике, природе и обществе. 2019. № 4. С. 24–31. URL: Link
Макушина Е.Ю., Шихлярова И.А. Моделирование вероятности банкротства российских нефинансовых компаний // Финансы и кредит. 2018. Т. 24. Вып. 1. С. 95–110. URL: Link
Демешев Б.Б., Тихонова А.С. Прогнозирование банкротства российских компаний: межотраслевое сравнение // Экономический журнал Высшей школы экономики. 2014. Т. 18. № 3. C. 359–386. URL: Link
