авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 |   ...   | 2 | 3 ||

Прогнозирование платежеспособности предприятия на основе расчета его рейтинга и регрессионного анализа величины чистых активов

-- [ Страница 4 ] --

Анализ значимых коэффициентов корреляции факторов с зависимой переменной позволил сделать следующие выводы:

  • Существуют выраженные прямые зависимости между величиной чистых активов и коэффициентом наличия собственных средств, между величиной чистых активов и коэффициентом соотношения собственных и заемных средств, между величиной чистых активов и рентабельностью продукции.
  • Наблюдается обратная зависимость между величиной чистых активов и отношением чистой прибыли к совокупным активам.

Анализ корреляционной матрицы показал, что между переменными К8 и К26 наблюдается сильная зависимость, поскольку коэффициент корреляции между ними равен 0,926. Далее была проведена проверка двумя различными способами на наличие мультиколлинеарности.

Первый способ основан на применении метода вспомогательных регрессий, отражающих зависимость каждой из независимых переменных от остальных. Второй способ основан на проверке определителя матрицы парных коэффициентов корреляции между факторами. В результате проверки было доказано отсутствие мультиколлинеарности.

Отбор лучшей множественной линейной регрессионной модели проводился по нескольким критериям:

1. Прежде всего модель должна быть по критерию Фишера на уровне значимости 0,05. Кроме того, должны быть значимы все коэффициенты искомой модели на том же уровне значимости.

2. Сравнение качества построенных моделей производилось по двум характеристикам: величине скорректированного коэффициента детерминации (Adjusted R–squared), а также значению коэффициента корреляции между фактическим значением зависимой переменной (величины чистых активов) и прогнозным значением, полученным по модели.

В результате проведенного анализа была построена модель прогнозирования чистых активов предприятия:

ЧИСТЫЕ АКТИВЫ = 83453,59302 359873,7576*K2 + 929388,9235*K8 297979,5072*K13 + 588912,984*K14 + 895066,1809*K17 + 101184,9771*K24 2376563,111*K26.

Данная модель является наилучшей из всех возможных моделей, поскольку отвечает нижеописанным критериям:

  1. Проверка значимости коэффициентов регрессии проводилась на основе критерия Стьюдента на уровне значимости 0,05. Поскольку все Prob.(t–statistic) < 0,05, то гипотезу о незначимости коэффициентов регрессии отвергаем. Все коэффициенты регрессии значимы на уровне значимости 0,05.
  2. Модель в целом значима по критерию Фишера, поскольку Prob (F–statistic) также меньше 0,05.
  3. Скорректированный коэффициент детерминации в модели имеет наибольшее значение по сравнению с другими моделями.
  4. Коэффициент корреляции прогнозного значения по модели и фактического значения вектора значений зависимой переменной также наибольший по сравнению с другими моделями.

Наиболее содержательные и точные выводы относительно модели по результатам наблюдений могли быть получены при следующих предположениях:

  1. Значения являются неслучайными величинами.
  2. Математическое ожидание случайной ошибки в каждом наблюдении равно нулю, т.е.
  3. Дисперсия случайной ошибки постоянна для всех наблюдений, т.е.
  4. Случайные ошибки различных наблюдений статистически не связаны (некоррелированы) между собой, т.е. при
  5. Случайные ошибки имеют совместное нормальное распределение, в частности.

В диссертации была проверена стационарность последовательности остатков с помощью сериального критерия Вальда–Вольфовитца, который ориентирован на проверку предположения: можно ли считать, что остатки получены в результате независимых наблюдений одной и той же случайной величины:

.

Вычисленное значение критерия по модулю получилось меньше табличного значения. Тогда была принята нулевая гипотеза: вектор остатков является случайной величиной.

Была проведена проверка нормальности ошибок модели при помощи теста Жарка–Бера (Jarque–Bera), который предполагает в проверку одновременного равенства нулю коэффициентов асимметрии и эксцесса остатков.

;

, следовательно, нулевая гипотеза была принята, т.е. на уровне значимости 0,05 можно было утверждать, что данные имеют нормальное распределение.

Проведена проверка остатков на автокорреляцию. Был использован наиболее распространенный критерий проверки автокорреляции: критерий Дарбина – Уотсона.

Недостатком критерия Дарбина – Уотсона является наличие области неопределенности критерия, не позволяющей при определенных значениях статистики Дарбина – Уотсона решить задачу проверки гипотез. Наличие области неопределенности критерия обусловлено тем, что распределение статистики зависит не только от числа наблюдений и числа объясняющих переменных, но и от значений объясняющих переменных. Критические значения статистики определены для объемов выборки не менее 15.

В нашем случае:, Поскольку, то на уровне значимости 0,05 гипотеза об отсутствии автокорреляции была принята.

В работе была проверена гетероскедастичность случайных ошибок при помощи теста Уайта. Вероятность ошибки первого рода оказалось равна 0,1, в результате была принята нулевая гипотеза (об отсутствии гетероскедастичности). (Если Probability = 0,1 > 0,05, то принимается гипотеза : (дисперсии одинаковые)). Таким образом, построена модель прогнозирования платежеспособности на основе регрессионного анализа величины чистых активов при использовании реальных данных финансовой отчетности предприятий Пермского края.

Для проверки качества построенной множественной линейной регрессионной модели было необходимо ее тестирование на так называемом out–of–sample, т.е. выборочных данных, не использованных при построении модели. Наиболее целесообразным было проверить модель на более поздних данных, для этого были использованы данные финансовой отчетности 42 предприятий, работающих в разных отраслях экономики по состоянию на 01.10.2005г., а в качестве зависимой переменной выбрано значение чистых активов этих предприятий на 01.10.2006г..

В итоге получили следующие результаты. Коэффициент корреляции между фактическим значением чистых активов и прогнозным по модели составил 0,721 (сильная зависимость). Это свидетельствует о высоком качестве построенной модели и ее потенциале прогнозирования.

В целом можно сделать вывод, что построенная модель соответствует реальному положению дел, а проверка на out–of–sample показала, что ее применение не ограничивается только той выборкой данных, на которой она была построена. Модель обладает потенциалом прогнозирования чистых активов предприятия в будущем периоде на основе анализа его текущей финансовой отчетности.

Для нахождения максимально оптимального значения показателя чистых активов был найден максимум полученной целевой функции, с использованием симплекс–метода.

4. Разработан инструментальный модуль, реализующий предложенные в диссертации методы и алгоритмы решения задач прогнозирования платежеспособности предприятий с помощью систем компьютерной алгебры и подтверждающий адекватность моделей и возможности их практического использования.

Для обеспечения общей доступности использования разработанных моделей при помощи компьютерной программы Дельфи (Delphi 7) был создан инструментальный модуль, реализующий предложенные в диссертации методы и алгоритмы решения задач прогнозирования платежеспособности предприятий. Информационный модуль позволяет проводить вычислительные эксперименты и обеспечивает полный технологический цикл по сбору, хранению, обработке, отображению информации, проведению многовариантных расчетов, а так же позволяет автоматизировать процесс принятия решений в области «финансового оздоровления» предприятий. Использование данного модуля позволяет прогнозировать возникновение на предприятии кризисной ситуации, ещё до появления её очевидных признаков, что особенно актуально в условиях нестабильной экономической ситуации в мире.

ВЫВОДЫ И РЕЗУЛЬТАТЫ

  1. В условиях экономического кризиса слабая диагностика платежеспособности предприятия может привести к его банкротству. Для разработки антикризисной стратегии необходимо решить задачу прогнозирования возникновения на предприятии кризисной ситуации, ещё до появления её очевидных признаков.
  2. На основе исследования оценки качества основных коэффициентов, выступающих в качестве независимых переменных в различных моделях прогнозирования платежеспособности предприятия и широко применяемых в практике, доказана невозможность применения зарубежных и неадекватность российских моделей прогнозирования платежеспособности, сделан вывод о необходимости построения адекватной, в наибольшей степени соответствующей российским реалиям модели.
  3. Принципиально важным результатом исследования является содержательная и детальная постановка задачи разработки экономико–математической модели прогнозирования платежеспособности предприятий, пригодной для математического моделирования.
  4. Разработана экономико–математическая модель прогноза платежеспособности предприятия, основанная на использовании оценок динамики абсолютных значений показателей и результатного показателя рейтинговой оценки. Данная модель позволяет осуществлять постоянный мониторинг платежеспособности предприятия во времени и в пространстве.
  5. Модель прогнозирования платежеспособности на основе регрессионного анализа величины чистых активов предприятия, функционирующая на основе реальных статистических данных российских предприятий, позволяет достоверно оценивать вероятность банкротства в среднесрочном периоде.
  6. Тестирование модели прогнозирования платежеспособности предприятий на основе анализа чистых активов с использованием на более поздних выборочных данных, неиспользованных при построении модели, наглядно демонстрирует адекватность модели и возможность ее практического применения.
  7. Инструментальный модуль доступный рядовому пользователю позволит более оперативно и эффективно принимать решения в области «финансового оздоровления» предприятий.

Основное содержание диссертации отражено в следующих работах автора:

В изданиях, рекомендованных ВАК России:

        1. В. П. Первадчук, И. Б. Масенко Математическая модель прогнозирования финансового состояния предприятия   // Вестник Оренбург. гос. ун-та.  2007.  № 77.  С. 181190.(0,77 п. л.)

В других изданиях:

        1. И.Б. Масенко Анализ моделей предсказания неплатежеспособности предприятия // Обл. дистанционная научно–практическая конференция молодых ученых и студентов «Молодежная наука Прикамья – 2004». Сб. тезисов докладов. – Пермь, 2004 (0,34 п. л.)
        2. И.Б. Масенко Анализ моделей предсказания неплатежеспособности, на основе деятельности предприятий Пермской области // Вестник Перм. гос. техн. ун-та. – сер. Математика и прикладная математика. – Пермь, 2005. – С. 54–60 (0,32 п. л.)
        3. И.Б. Масенко Математическая модель прогнозирования величины чистых активов // Вестник Перм. гос. техн. ун-та. – сер. Математика и прикладная математика. – Пермь, 2007. – С. 47–50
          (0,27 п. л.)
        4. И.Б. Масенко Математическая модель прогнозирования неплатежеспособности предприятия // Проблемы и перспективы развития региональной рыночной экономики: материалы Международной научно–практической конференции студентов, аспирантов и молодых ученых: сб. тезисов/ – Кременчуг ин–т Днепропетр ун– та экономики и права. – Кременчуг, 2007, стр. 156–158 (0,16 п. л.)
        5. И.Б. Масенко, В.П. Первадчук Математическая модель прогнозирования финансового состояния предприятия // Стратегические направления в бизнесе в XXI веке и качество высшего образования: сборник науч. трудов 7–й международной научно–прикладной конференции. Техн. ун-т Варны. – Болгария, Варна, 2008. стр. 347–355 (0,42 п. л.)
        6. И.Б. Масенко Построение модели анализа финансового состояния предприятия с учетом реализации инвестиционного проекта // Молодые исследователи – регионам: матер. Всерос. науч. конференции студентов и аспирантов: в 2–х т. Вологда гос. техн. ун-т. – Вологда, 2005. – Т.2. – С. 49–50 (0,08 п. л.)
        7. И.Б. Масенко Построение модели анализа финансового состояния предприятия с учетом реализации инвестиционного проекта // Обл. дистанционная науч.–практ. конференция молодых ученых и студентов «Молодежная наука Прикамья – 2005»: сб. тез. докладов – Пермь, 2005 (0,07 п. л.)

_______________________

Подписано в печать 07.11.2009. Формат 60х84/16.

Усл. печ. л. 1,2. Тираж 100 экз. Заказ 852

ООО «Типография ДПС»

614012, г. Пермь, ул. Танкистов, 12



Pages:     | 1 |   ...   | 2 | 3 ||
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.