Актуальные проблемы развития экономических систем. Теория и практика. Сборник материалов международной научно-практической конференции. 25 ноября 201

Традиционно используемый индексный подход к оценке уровня развития показателей ИК-потенциала в экономических подсистемах, в соответствии с которым рассчитываются территориальные индексы – относительные величины, получаемые путем деления достигнутого значения исходного показателя на нормативное/базовое значение, – характеризуется существенным недостатком. При несомненном удобстве использования территориальных индексов – безразмерности индексов и возможности их агрегирования по определенному алгоритму, результат оценки индекса сильно зависит от выбора региона-лидера. При другой системе расчета индекса, когда его значение рассчитывается путем нормирования показателя анализируемой системы на диапазон изменения его значений по выборке, результат оценки индекса зависит от выбора и региона-лидера, и региона-аутсайдера.

Еще один недостаток традиционного подхода к формированию индексов связан с линейным преобразованием показателей к безразмерному виду, предполагающим линейную зависимость отражаемого показателем свойства от его величины. Однако реальной ситуации в большей степени отвечает нелинейная зависимость отражаемого показателем свойства от его величины. Так, согласно закону убывающей предельной полезности, по мере роста потребления товара или услуги предельная полезность каждой дополнительной единицы товара или услуги сокращается.

Исходя из этих положений, представляется целесообразным использование нелинейного подхода к формированию индексов, характеризующих уровень развития информационно-коммуникативного потенциала, основанный на психофизической шкале Харрингтона. Согласно этой шкале исходный показатель преобразуется в функцию желательности (ФЖ), которая имеет сигмоидальную форму и варьирует в открытом интервале от 0 до 1, асимптотически приближаясь к нулю в случае абсолютно неприемлемых значений показателя и к единице в случае очень хороших его значений. Сигмоидальный характер ФЖ означает, что на начальном участке, в зоне желательности «плохо», функция имеет нарастающую кривизну и даже небольшие изменения показателя приводят к заметному увеличению желательности. Напротив, в зоне «хорошо» функция имеет убывающую кривизну, и рост показателя уже не вызывает столь заметного увеличения желательности. В зоне «удовлетворительно» функция желательности практически линейна, и именно в этой области наблюдается максимальный эффект от увеличения показателя.

Развитие предикативных методов и моделей оценки риска банкротства промышленных предприятий

Урзов В.А.

Главенствующую позицию среди существующих как теоретических, так и практических подходов в управлении предприятием в условиях полной или частичной неопределенности занимает прогнозирование рисков, среди которых самым значимым является риск банкротства.

В современных реалиях российская экономика, которая не до конца решила основные проблемы, присущие развивающимся странам, сталкивается с новыми вызовами, в том числе связанными с факторами внешней среды предпринимательства. Эти факторы обусловливают увеличение рисков для промышленных предприятий, что порождает нестабильность финансовой среды предпринимательства, а в конечном итоге сказывается на повышении конкурентоспособности бизнеса в сфере промышленности [1]. Поэтому для обеспечения конкурентоспособности как экономики страны в целом [2], так и отдельных предприятий, которых заботит эффективность их функционирования, жизненно необходимо учитывать возникающие риски [3]. Говоря о мезо– и микроуровне финансовой среды, предприятия обязаны не только проводить анализ финансового состояния, не только закладывать определенные рисковые премии в ожидаемую норму доходности [4], но и осуществлять предикативные исследования с целью раннего выявления проблем [5], которые могут повлечь возникновение существенных финансовых рисков, в том числе и риска банкротства.

Эволюция подходов к прогнозированию банкротства привела к формированию базовых принципов оценки вероятности его наступления:

1) Трендовый анализ;

2) Рейтинговые оценки;

3) Прогнозирование;

4) Модели оценки вероятности наступления банкротства.

Рассматривая предикативные модели банкротства следует отметить,

что они базируются на определенных математико-статистических подходах, среди которых следует выделить наиболее значимые с позиции точности результатов и общей распространенности:

• дискриминантный анализ (DEK);

• логистический регрессионный анализ (LOGIT);

• пробит-регрессионный анализ (PROBIT);

• рекурсивный анализ (REK);

• искусственные нейронные сети (ANN);

• прочие методы, подходы и их модификации: кредитные методы, скоринговые методы, методы реальных опционов, методы «выживания», методы перекрестной проверки, методы «правил», методы муравьиного алгоритма, методы генетического алгоритма, методы «контролируемого хаоса» и прочие.