Анализ финансовой устойчивости страховой компании

Загрузка...

Экономическое благополучие социума складывается из совокупности различных факторов как на макро-, так и на микроуровнях. Во-первых, оно зависит от эффективного государственного регулирования экономики в целом, а во-вторых, от качества такого регулирования ее отдельных секторов.

Большое значение уделяется финансовому сектору как неотъемлемой составляющей современной экономической системы. Его роль трудно переоценить, поскольку финансовый сектор, охватывая все стороны жизни общества, обеспечивает взаимосвязь между своими субъектами посредством свободного движения финансовых ресурсов, оказывая, тем самым, влияние на другие отрасли. Помимо этого, как показывает историческая практика и многообразные теоретические исследования, финансовый сектор способен не только удовлетворять потребности в финансовых услугах, но и стимулировать экономический рост.

Вследствие несовершенного управления в каком-либо секторе экономики возникает кризис либо всей экономической системы, либо крах отдельных хозяйствующих субъектов, что в любом случае негативно отражается на темпах экономического роста и на функционировании экономики в целом. Как результат, появляется необходимость совершенствования определенных теоретических и практических подходов, призванных в должной мере дать объяснение источникам возникновения кризисных ситуаций. Вместе с тем, в рамках этих подходов предполагается создание эффективного инструментария, направленного на предотвращение или устранение неблагоприятных экономических явлений в различных отраслях экономики. В частности, в финансовом секторе, на микроуровне, в качестве одного из таких инструментов выступает система антикризисного управления предприятием, связанная в основном с определением и предупреждением неплатежеспособности компаний.

Существует множество различных методов оценки надежности и финансовой устойчивости хозяйствующих субъектов. Наряду с этим, недостаточно внимания уделено диагностики банкротства в отдельных отраслях экономики, особенно, в сфере страхования.

В законе о страховом деле в Российской Федерации дано определение страхования как экономической категории: страхование это система отношений по защите имущественных интересов различных субъектов хозяйствования при возникновении определенных страховых случаев за счет формирования денежных фондов. Благодаря таким особенностям данной отрасли, как вероятность возникновения ущерба и его заранее неизвестный размер, практика диагностики потенциального банкротства страховых компаний не может опираться на существующие традиционные подходы. Следовательно, поиск новых принципов оценки финансовой устойчивости и банкротства страховых компаний актуален и для российской практики. Остроту проблемы также усиливает частое банкротство относительно крупных страховщиков. Так, по итогам 2013 года из двадцати крупнейших страховых компаний, в число которых входит ООО ППФ Страхование жизни, у восьми страховщиков были обнаружены признаки банкротства.

Практическая значимость выпускной работы заключается в том, что она на практике демонстрирует ценность применения экономико-математических методов моделирования для определения и предупреждения кризисных ситуаций на предприятии.

Таким образом, цель дипломной работы заключается в применении различных экономико-математических методов анализа и прогнозирования в в финансовом секторе экономики на примере страховой компании ООО ППФ Страхование жизни.

Для достижения цели автор работы поставил перед собой следующие задачи:

1) рассмотреть теоретические основы применения методов экономико-математического моделирования;

2) провести анализ финансовой устойчивости страховой компании ООО ППФ Страхование жизни;

3) дать оценку вероятности наступления банкротства организации с помощью различных экономико-математических методов;

4) Построить прогноз перспектив развития страховщика.

Соответственно, объектом выпускной работы являются экономические показатели анализа и прогнозирования финансового состояния ООО ППФ Страхование жизни, а предметом экономический механизм использования экономико-математических методов в сфере анализа и прогнозирования показателей финансового сектора экономики.

Перед написанием дипломной работы автором были рассмотрены следующие материалы:

- законодательство РФ, регулирующее деятельность организации;

- Устав страховой компании;

- структура организации;

- содержание экономической, организационной, управленческой и плановой работы.

Выпускная квалификационная работа состоит из введения, трех глав, заключения, источников и литературы. Во введении обоснована актуальность темы исследования, определены цель и задачи, а также раскрыта практическая значимость работы. Первая глава содержит обзор теоретических основ применения экономико-математических методов анализа и прогнозирования. Во второй главе представлен финансовый анализ страховой компании ООО ППФ Страхование жизни и дана оценка ее потенциального банкротства. Третья глава посвящена прогнозу перспектив развития организации. В заключении обобщены основные результаты исследования, сформулированы выводы. В приложении приведены материалы, свидетельствующие об использовании достоверной информации для проведения исследования.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРИМЕНЕНИЯ ЭКОНОМИКО-МАТЕМАТИЧЕСКИХ МЕТОДОВ ДЛЯ ОСНОВНЫХ НАПРАВЛЕНИЙ ФИНАНСОВОГО АНАЛИЗА ПРЕДПРИЯТИЯ ФИНАНСОВОГО СЕКТОРА ЭКОНОМИКИ

1.1 Особенности анализа финансовой устойчивости страховой компании

Одной из важнейших составляющих финансовой работы любой организации, в частности страховой компании, является финансовый анализ, цель которого заключается в оценке ее финансового положения.

Финансовое положение предприятия это состояние его финансов, описываемое множеством показателей, отражающих процесс формирования и использования финансовых средств организации. В рамках этого решаются следующие основные задачи:

1) оценка финансовой устойчивости;

2) диагностика потенциального банкротства.

Финансовый анализ это одна из первостепенных функций управления. Он позволяет определить конкурентоспособность хозяйствующего субъекта в рыночной экономике. В страховании, как специфической отрасли экономики, необходимость выполнения такого анализа обусловлена также высокой социальной значимостью, поскольку вопросы функционирования и финансового состояния предприятия важны не только для самого страховщика, но и для инвесторов, а также иных организаций и населения, пользующихся услугами данной страховой компании. Поэтому деятельность страховых организаций находится под пристальным контролем государства.

В последние годы методы финансового анализа страховых компаний коренным образом изменились. Основной целью проведения анализа финансовой деятельности в современных условиях является необходимость поддержания стабильной работы организации независимо от экономических условий. Для того чтобы не допустить неплатежеспособности и банкротства страховых компаний, необходимо уже на ранней стадии выявлять страховщиков, финансовое состояние которых вызывает опасение. Поэтому особую роль в финансовом анализе отводят изучению финансовой устойчивости страховщика.[1]

Финансовая устойчивость (надежность) страховой компании это способность выполнять принятые обязательства по договорам страхования при любом изменении экономической конъюнктуры.

При анализе российских страховщиков исследуют следующие критерии надежности:

- историю компании;

- географию присутствия в регионах России;

- законность деятельности;

- аудит финансовой деятельности страховщика;

- рейтинг надежности страховой компании;

- перестрахование рисков;

- показатели финансовой устойчивости страховщика и т. д.

Поскольку финансовое состояние страховой организации зависит от значительного количества различных факторов, позволяющих составить представление о различных сторонах ее деятельности, то и анализ финансовой устойчивости может быть проведен только на основе исследования группы показателей. Эти показатели представлены, во-первых, в виде определенных нормативов, выполнение которых является обязательным для страховой компании, а во-вторых в виде рекомендательных критериев, цель которых заключается в расширении представлений о деятельности страховщиков.

Среди применяемых в России установленных нормативными актами параметров оценки финансовой устойчивости страховых организаций можно выделить минимальный уровень уставного капитала и нормативное соотношение между активами и принятыми страховщиком обязательствами.

В Законе РФ Об организации страхового дела в Российской Федерации сформулировано следующее требование: страховщики (за исключением обществ взаимного страхования) должны обладать полностью оплаченным уставным капиталом, размер которого должен быть не ниже установленного настоящим Законом минимального размера уставного капитала.

Минимальный размер уставного капитала страховщика, осуществляющего исключительно медицинское страхование, устанавливается в сумме 60 миллионов рублей. Минимальный размер уставного капитала иного страховщика определяется на основе базового размера его уставного капитала, равного 120 миллионам рублей, и соответствующего коэффициента.[2] Так, уставный капитал универсальных страховых компаний должен составлять 120 миллионов рублей, а страховщиков жизни 240 миллионов рублей.

Для оценки уровня финансовой устойчивости и платежеспособности страховых компаний после начала их деятельности, законодательно установлено, что страховщики обязаны соблюдать нормативное соотношение между активами и принятыми ими страховыми обязательствами. Этот баланс называется маржа платежеспособности, который рассчитывается, как разность между активами компании и ее обязательствами, при этом размер фактической маржи платежеспособности не должен быть меньше нормативного значения.

Финансовую устойчивость страховой компании определяют следующие показатели, которые можно подразделить на 3 группы:

1. Анализ достаточности собственного капитала.

Уровень достаточности собственного капитала страховой компании оценивается на основе трех основных показателей:

1.1 Уровень покрытия страховых резервов собственным капиталом отражает уровень устойчивости компании с точки зрения возможности покрытия обязательств компании по договорам страхования за счет собственных средств. Страховые резервы являются основной составляющей общей величины обязательств компании. Данный показатель должен быть не менее 0,3.

СК собственный капитал = Ф.1 (стр.2100 - стр.2120)

СР Страховые резервы по страхованию иному, чем страхование жизни (без учета доли перестраховщиков) + Страховые резервы по страхованию жизни (без учета доли перестраховщиков) = Ф.1 (стр. 2210 - стр.1230 + стр.2220 - стр.1240)

1.2 Уровень долговой нагрузки страховой компании позволяет оценить величину заемных средств, которую страховая компания привлекает для своей деятельности, а также величину кредиторской задолженности, которые являются прямыми обязательствами страховой компании. В среднем для страховой деятельности не характерна значительная величина заемных средств, так как страховая компания должна осуществлять свою деятельность и покрывать обязательства за счет собственных средств, а также за счет сформированных резервов. Привлечение страховой компанией заемных средств свидетельствует либо о недостаточности собственных средств страховой компании, либо о неэффективной политике по формированию страховых резервов. Данный показатель должен быть не более 25%.

О Обязательства (без учета страховых резервов по страхованию жизни и доходов будущих периодов) = Ф1 (стр. 2200 - стр. 2210 - стр. 2220 - стр. 2280)

СК + О Собственный капитал и обязательства = Ф1 стр. 2000

1.3 Уровень обеспеченности собственным капиталом (доля собственного капитала в пассивах) отражает общий уровень финансовой устойчивости страховой организации. Чем выше значение показателя, тем выше уровень финансовой устойчивости. Показатель должен быть не менее 20%.

2. Анализ эффективности деятельности страховой компании.

Анализ эффективности деятельности страховой компании оценивается на основе пяти основных показателей:

2.1. Показатель убыточности страховой компании характеризует, насколько объем заработанных страховых премий покрывает расходы компании по страховым выплатам. Данный показатель определяет уровень убыточности собственных страховых операций страховой компании без учета участия перестраховщиков в полученных премиях и осуществленных выплатах. Для страховой компании, осуществляющей страхование жизни данный показатель должен быть не более 65%.

СУ+В Состоявшиеся убытки - нетто-перестрахование + Выплаты - нетто-перестрахование = Ф2 (стр.2200 + стр.1400)

СП Заработанные страховые премии - нетто-перестрахование + Страховые премии (взносы) - нетто-перестрахование = Ф2 (стр.2100 + стр.1100)

2.2. Комбинированный коэффициент убыточности характеризует общую эффективность страховой деятельности и финансовое положение страховой компании. Стоп-условием для страховой компании, осуществляющей страхование жизни, является значение коэффициента более 95%.

Р Расходы страховой компании, осуществляющей страхование жизни = Ф2 (стр.1400 - стр.1500 + стр.1600 + стр.2200 + стр.2600 + стр.3100)

2.3. Показатель уровня расходов (расходы на ведение дела) отражает долю издержек страховой компании, связанных с осуществлением страховой компанией своей основной деятельности, в общем объеме поступлений от страховой деятельности. Данный показатель должен быть не более 60%.

Р Расходы страховой компании, осуществляющей страхование жизни = Ф2 (стр.1600 + стр.1800 - стр.1700 + стр.2220 + стр.2600 + стр.2920 - стр.2910 + стр.3100 + стр.3300 - стр.3200)

2.4. Рентабельность собственного капитала характеризует эффективность использования собственного капитала (сколько активов сформировано на один рубль вложенного собственного капитала). Рост рентабельности собственного капитала отражает повышение инвестиционной привлекательности компании. Стоп-условием для страховой компании, осуществляющей страхование жизни, является значение показателя менее 0,1.

П Прибыль (убыток) до налогообложения = Ф.2 стр.3400

2.5. Рентабельность финансово-хозяйственной деятельности страховой компании характеризует, каков объем прибыли или самофинансируемого дохода с каждого рубля, затраченного на осуществление страховой и инвестиционной деятельности, у страховой компании. Данный показатель должен быть не менее 0,03.

Д Доходы страховой компании, осуществляющей страхование жизни = Ф2 (стр.1110 + стр.1200 - стр.1300 + стр.1700 - стр.1800 + стр.2110 + стр.2700 - стр.2800 + стр.2910 - стр.2920 +стр.3200 - стр.3300)

3. Анализ платежеспособности страховой компании.

Анализ платежеспособности страховой компании оценивается на основе двух основных показателей:

3.1. Текущая платежеспособность страховой компании характеризует способность страховой компании своевременно и полностью выполнять свои платёжные обязательства. Стоп-условие для страховщиков жизни текущая платежеспособность менее 85%.

Р Расходы страховой компании, осуществляющей страхование жизни = Ф2 (стр.1400 + стр.1600 + стр.1800 + стр.2200 + стр.2600 + стр.2920 + стр.3100 + стр.3300)

3.2. Баланс предприятии признается ликвидным в случае, если обязательства компании покрываются активами, срок реализации которых равен сроку погашения обязательств. Применительно к балансу страховой компании ликвидность означает способность активов страховой компании превращаться в денежные средства. Компания считается ликвидной, если суммы её наличных средств и других ликвидных активов достаточны для своевременного погашения обязательств.

Коэффициент текущей ликвидности показывает, насколько страховая компания может выполнить свои обязательства за счет реализации ликвидных активов в случае предъявления к ней требований по всем существующим обязательствам. Данный показатель должен быть не менее 1.

ЛА Ликвидные активы = Ф1 (стр.1140 + стр.1270)

О Обязательства страховой компании, осуществляющей страхование жизни = Ф1 (стр.2000 - стр.2100 - стр.1230 - стр.1240 - стр.2280)

В случае если страховая компания (либо ее основной акционер, являющийся в свою очередь страховой компанией и несущий ответственность по ее обязательствам) не имеет ни одного рейтинга, указанного в таблице 1, то все вышеуказанные требования к показателям финансовой устойчивости должны быть выполнены. В случае если страховая компания (либо ее основной акционер, являющийся в свою очередь страховой компанией и несущий ответственность по ее обязательствам) имеет рейтинг хотя бы одного из следующих рейтинговых агентств: Эксперт РА, Национальное рейтинговое агентство, Standard Poor&'s, Moody&'s, Fitch, то требования к показателям финансовой устойчивости страховой компании предъявляются с учетом имеющего у компании рейтинга. Для этой цели финансовые организации, сотрудничающие со страховыми компаниями, провели ранжирование рейтингов на первую, вторую и третью группу (табл. 1):

- при наличии у компании рейтинга, входящего в первую группу согласно таблице 1, допускается несоблюдение не более 3 показателей на отчетную дату;

- при наличии у компании рейтинга, входящего во вторую группу согласно таблице 1, допускается несоблюдение не более 2 показателей на отчетную дату;

- при наличии у компании рейтинга, входящего в третью группу согласно таблице 1, допускается несоблюдение 1 показателя на отчетную дату.

Таблица 1

Ранжирование рейтингов по группам

Рейтинговое агентство

Первая группа рейтингов

Вторая группа рейтингов

Третья группа рейтингов

Эксперт РА

А++

А+

А

Национальное рейтинговое агентство

ААА

АА

А+

Standard Poor&'s

ruAAA, ruАА

ruА

ruBBB

Moody&'s

Ааа.ru, Aa.ru

A.ru

Baa.ru

Fitch

AAA(ru), АА(ru)

А(ru)

BBB(ru)

 

При наличии у компании нескольких рейтингов, входящих в разные группы согласно таблице 1, то требования к показателям финансовой устойчивости страховой компании предъявляются с учетом наличия у компании рейтинга, входящего в наиболее высокую группу (первая группа рейтингов является наивысшей).[3]

Гарантией обеспечения финансовой устойчивости и платежеспособности страховщика являются страховые резервы, достаточные для исполнения обязательств по страхованию. Под формированием страховых резервов понимается актуарное оценивание обязательств страховщиков по осуществлению предстоящих страховых выплат по договорам страхования, перестрахования и по исполнению иных действий по указанным договорам (страховых обязательств).[4] Правильность формирования и размещения страховых резервов контролирует ЦБ РФ.

Страховые выплаты отражают выполнение страховщиком своих обязательств перед клиентами. При анализе страховых выплат необходимо обратить внимание на соотношение между выплатами и страховыми резервами: резервы страховщика должны значительно превышать выплаты.

Таким образом, при оценке финансовой устойчивости страховой компании проводят анализ соответствия страховщика критериям надежности, количество которых определяется и варьируется исследователем. Но существуют критерии, без оценки которых анализ не может быть проведен. В частности, исследование показателей финансовой устойчивости позволяет охарактеризовать в целом финансовую ситуацию и сделать вывод о качестве осуществления деятельности страховщика и его развитии. Главным признаком финансовой устойчивости страховой организации является ее платежеспособность, т.е. способность страховщика своевременно и в полном объеме выполнять свои денежные обязательства имеющимися активами. Для установления уровня платежеспособности законодательно определены нормативные требования, на основании которых оценивается соблюдение баланса активов и обязательств предприятия. Также очень важным критерием финансовой устойчивости страховой компании является величина ее уставного капитала, которая не должна быть меньше нормативного значения. Кроме того, для определения финансовой устойчивости страховщика сформирована совокупность коэффициентов, на которые в первую очередь обращают внимание инвесторы и партнеры страховой компании. К ним относятся показатели, характеризующие достаточность собственного капитала организации, эффективность ее деятельности и платежеспособность.

Однако на этом финансовый анализ предприятия не заканчивается. Очень важной задачей в современных экономических условиях, а также в связи с возрастающей конкуренцией организаций, предоставляющих страховые услуги, является диагностика потенциального банкротства. Поэтому все больше возрастает потребность предприятий в применении качественных методов и инструментария финансового анализа для самостоятельной оценки своего финансового положения и вероятности наступления неплатежеспособности и банкротства.

1.2 Применение дискриминантного анализа для диагностики потенциального банкротства организации

Проблема прогнозирования банкротства предприятий впервые была затронута западными учеными в 30-е годы XX века и продолжает быть одной из актуальных тем исследования в настоящее время. Особенно актуальной проблема диагностики банкротств становится в кризисные периоды, когда влияние всех факторов, приводящих к будущей неплатежеспособности, усиливается.

Наиболее известным и широко применяемым, классическим подходом при построении моделей прогнозирования банкротства, является подход, основанный на применении дискриминантного анализа.

Дискриминантный анализ подразумевает совокупность методов классификации наблюдений с учетом обучающих выборок, которые представляют собой множества объектов с уже известными характеристиками.

Дискриминантный анализ является статистическим методом, который позволяет изучать различия между двумя и более группами объектов по нескольким переменным одновременно.

Таким образом, основным предположением является то, что существуют две или более группы, которые по некоторым переменным отличаются от других групп. Дискриминантный анализ помогает выявлять различия между группами и дает возможность классифицировать объекты по принципу максимального сходства.[5]

Рассмотрим алгоритм дискриминантного анализа для нормально распределенных выборок с двумя обучающими, объемы которых и соответственно:

Целью дискриминантного анализа в этом случае является отнесение нового наблюдения из матрицы:

ко множеству X, либо же к Y.

Для решения поставленной задачи по обучающим выборкам проводятся оценки векторов средних:

 

и ковариационных матриц и .

После этого определяется вектор оценок коэффициентов дискриминантной функции:

и находятся значения дискриминантных функций:

После чего определяется граница дискриминации константа С:

Если ≥ C, то ie наблюдение следует отнести к совокупности X, если же C, то ie наблюдение относится к множеству Y.

Дискриминантный анализ допускает наличие более двух обучающих выборок, однако в этом случае задача существенно усложняется и не всегда приводит к однозначной дискриминации, т.е. не все объекты удается отнести к какому-либо классу.

Для формирования таких обучающих выборок автор работы использует кластерный анализ.

Применение кластерного анализа для формирования обучающих выборок

Термин кластерный анализ, который впервые ввел английский ученый Р. Трион в 1939 году, содержит совокупность различных алгоритмов классификации.

Наиболее распространенными алгоритмами кластерного анализа являются иерархические процедуры. Они бывают двух типов: агломеративные, в которых начальным выступает разбиение, состоящее из n одноэлементных классов, а конечным из одного класса, и дивизимные, в которых, наоборот, происходит деление одного класса на n кластеров.

Принцип работы таких процедур состоит в последовательном объединении (разделении) групп элементов сначала самых близких (далеких), а затем все более отдаленных (близких) друг от друга.

Главным недостатком иерархических процедур является громоздкость вычислений. В связи с этим реализация таких алгоритмов при числе наблюдений, большем нескольких сотен, нецелесообразна, а в ряде случаев и невозможна.[6]

Требования к кластерному анализу:

1) внутри одного кластера объекты должны быть связаны между собой;

2) объекты из разных кластеров должны быть далеки друг от друга;

3) при прочих равных условиях распределение объектов по кластерам должно быть равномерно.

Значимым моментом в кластерном анализе, от которого в значительной мере зависит окончательный вариант разбиения, является выбор метрики или, иначе, функции, определяющей близость двух объектов.

Рассмотрим наиболее широко используемые метрики:

1) обычное Евклидово расстояние определяется по следующей формуле:

Оно применяется в следующих случаях:

а) исходные признаки взаимно независимы и имеют одну и ту же дисперсию;

б) исходные признаки однородны по физическому смыслу и одинаково важны для классификации.

2) Расстояние городских кварталов (манхэттенское расстояние). Чаще всего данная метрика приводит к таким же результатам, что и расстояния Евклида. Однако для этой метрики влияние отдельных больших разностей уменьшается, так как они не возводятся в квадрат. Манхэттенское расстояние вычисляется по формуле:

где xil, хjl значения l-го признака у i-го (j-го) объекта (l = 1, 2, ... , k; i, j = 1, 2, .... п).[7]

Следовательно, иерархический кластерный анализ является одним из самых распространенных методов статистической сегментации, применяемой в различных сферах деятельности. Однако из-за громоздкости вычислений реализация таких кластерных процедур при значительном числе наблюдений не всегда целесообразна. В данной работе будут использоваться агломеративные иерархические процедуры, в качестве метрики выбрано расстояние городских кварталов.

1.3 Описание зарубежных и отечественных моделей для оценки риска банкротства компании

Множественный дискриминантный анализ впервые при моделировании использовали в своих работах такие выдающиеся ученые-экономисты, как Эдвард Альтман и Уильям Бивер. Именно они, в свою очередь, считаются основоположниками всего комплексного коэффициентного анализа банкротства компаний с помощью экономико-математического моделирования, благодаря тому, что они первыми для оценки степени банкротства компаний разработали и предложили миру свои комплексные статистические модели. Более того, впоследствии, на основании данных моделей и дискриминантного анализа появился широкий ряд схожих разработок и моделей прогнозирования банкротства, разработанных как зарубежными, так и отечественными авторами.

В зарубежной экономической литературе предлагается большое количество всевозможных методик и математических моделей диагностики вероятности наступления банкротства организаций. Наиболее широкое распространение в западных методиках прогнозирования риска банкротства нашли модели, разработанные известными экономистами Альтманом, Бивером, Лисом и Таффлером.

Большую известность в области оценки и прогнозирования риска банкротства компаний имеют работы американского экономиста и профессора Э. Альтмана. Рассмотрим наиболее распространенные из них.

На основе множественного дискриминантного анализа профессор разработал модель оценки кредитоспособности, которая определяет предприятие как финансово устойчивое, либо же, как потенциального банкрота. Эта модель получила название Z-score. Известны двух-, пяти- и семифакторные Z-модели, а также пятифакторная модифицированная модель.

В 2013 году Служба Банка России по финансовым рынкам обнаружила признаки банкротства у восьми из двадцати крупнейших страховых компаний.

По словам начальника отдела банкротства СБРФР Константина Шамшева, для установления признаков банкротства применялась методика Альтмана, которая предполагает оценку основных финансовых коэффициентов, характеризующих деятельность компаний.[8]

Самой применяемой моделью Альтмана является пятифакторная, которая была опубликована в 1968 году. Формула расчета имеет вид:

где отношение оборотного капитала к сумме активов предприятия;

отношение нераспределенной прибыли к сумме активов предприятия;

отношение прибыли до налогообложения к общей стоимости активов;

отношение рыночной стоимости собственного капитала (уставный капитал) к бухгалтерской стоимости всех обязательств;

отношение объема продаж (выручка от реализации) к общей величине активов предприятия.

В результате подсчета Z-показателя для конкретного предприятия делается заключение:

1) Если 1,81 вероятность банкротства составляет от 80 до 100%;

2) Если 1,81 ≤ 2,77 средняя вероятность краха компании от 35 до 50%;

3) Если 2,77 2,99 вероятность банкротства от 15 до 20%;

4) Если ≥ 2,99 ситуация на предприятии стабильна, риск неплатежеспособности в течение ближайших двух лет крайне мал.

Достоинством данной модели является то, что точность прогноза на один год составляет 95%, на два года 83%. Недостаток же заключается в том, что эту модель реально можно применять лишь в отношении крупных предприятий, разместивших свои акции на фондовом рынке.

Поэтому в 1993 году Альтман разработал модель для непроизводственных компаний. Из Z-score профессор исключает последний показатель , первые три переменные остаются прежними, однако, весовые множители снова пересчитываются. Таким образом, формула Z-модели Альтмана для непроизводственных компаний принимает вид:

где отношение оборотного капитала к сумме активов предприятия;

отношение нераспределенной прибыли к сумме активов предприятия;

отношение прибыли до налогообложения к общей стоимости активов;

отношение собственного капитала к общей сумме всех обязательств.

В случае если:

1) ≤1,1 ситуация критична, организация с высокой долей вероятности банкротства;

2) 1,1 2,6 нестабильная ситуация, вероятность наступления банкротства организации невелика, но и не исключена;

3) ≥2,6 низкая вероятность банкротства организации.[9]

В целом по содержательности и набору факторов-признаков модель Таффлера ближе к российским реалиям, чем модели Бивера и Лиса, рассмотрим ее более подробно:

где отношение прибыли от реализации к краткосрочным обязательствам;

отношение оборотных активов к сумме обязательств;

отношение краткосрочных обязательств к сумме активов;

отношение выручки от реализации к сумме активов.

Полученные по построенной модели результаты интерпретируются следующим образом:

1) если Z 0,3 малая вероятность банкротства;

2) если Z 0,2 высокая вероятность банкротства.[10]

Рассмотренные иностранные модели являются наиболее часто применяемыми при оценке потенциального банкротства компаний, однако как отмечают многие российские авторы, многочисленные попытки применения иностранных моделей прогнозирования банкротства в отечественных условиях не принесли достаточно точных результатов. В связи с этим были предложены различные способы адаптации импортных моделей к российским хозяйственным условиям. Новыми методиками диагностики возможного банкротства, предназначенными для отечественных предприятий, являются модели, разработанные О.П. Зайцевой, Р.С. Сайфуллиным и Г.Г. Кадыковым, модель, разработанная в Иркутской государственной экономической академии (модель ИГЭА) и т.д. Рассмотрим для сравнения две из них.

Одна из первых отечественных моделей прогнозирования банкротства предприятия была предложена А.Ю. Беликовым в своей диссертации в 1998 году. Научным руководителем у него была Г.В. Давыдова. Поэтому более правильно называть эту модель оценки финансовой устойчивости предприятия модель Беликова. Зачастую эту модель называют моделью ИГЭА. Регрессионная формула модели выглядит следующим образом:

где отношение оборотного капитала к сумме активов;

отношение чистой прибыли к балансовой стоимости собственного капитала;

отношение выручки от реализации к сумме активов;

отношение чистой прибыли к суммарным расходам.

Коэффициент в модели Беликова-Давыдовой взят из модели Альтмана, а финансовый коэффициент использовался в модели банкротства Таффлера. Остальные финансовые коэффициенты ранее не использовались зарубежными авторами. Большое значение в определении банкротства предприятия по модели Беликова-Давыдовой имеет первый финансовый коэффициент ( ). Связано это с тем, что у него стоит удельный вес 8,38, что несравненно больше, чем у остальных финансовых коэффициентов в модели. Модель была построена на выборке торговых предприятий, которые стали банкротами и организаций, которые остались финансово устойчивыми.

Оценка предприятия по модели прогнозирования банкротства ИГЭА:

1) если Z0, риск банкротства максимальный (90-100%);

2) если 0Z0,18, риск банкротства высокий (60-80%);

3) если 0,18Z0,32, риск банкротства средний (35-50%);

4) если 0,32Z0,42, риск банкротства низкий (15-20%);

5) если Z0,42, риск банкротства минимальный (до 10%).

Следующая модель прогнозирования вероятности банкротства была предложена профессором О.П. Зайцевой. Регрессионная формула расчета следующая:

где отношение прибыли (убытка) до налогообложения к балансовой стоимости собственного капитала;

отношение кредиторской задолженности к дебиторской задолженности;

отношение краткосрочных обязательств к наиболее ликвидным активам;

отношение прибыли (убытка) до налогообложения к выручке от реализации;

отношение заемного капитала к балансовой стоимости собственного капитала;

отношение суммы активов к выручке от реализации.

Для определения вероятности банкротства предприятия необходимо произвести сравнение фактического значения показателя с нормативным. Нормативное значение рассчитывается по следующей формуле:

Если , то высока вероятность банкротства предприятия. Если наоборот, то риск банкротства незначительный.[11]

Итак, мы рассмотрели теоретические основы наиболее известных зарубежных и отечественных моделей прогнозирования банкротства. Все они построены с помощью множественного дискриминантного анализа на различной статистической выборке.

В ходе многочисленных исследований моделей прогнозирования банкротства, построенных при помощи дискриминантного анализа, был выявлен целый ряд их существенных недостатков, не позволяющих эффективно и адекватно использовать их при оценке степени банкротства. К примеру, данные модели не в состоянии дать количественной оценки вероятности банкротства. Она не может быть определена номинальным значением, модели способны дать только лишь ее качественную степень как низкую, высокую, очень высокую и т.д. Кроме того, во многих моделях, использующих дискриминантный анализ, существует так называемая зона неопределенности, при попадании в которую расчетного итогового показателя нельзя сделать однозначный вывод о вероятности банкротства. Все это в купе с другими недостатками привело к некоторому отказу международных практиков финансового менеджмента от использования моделей оценки степени банкротства, основанных на дискриминантном анализе, и обращению все большего внимания на более современные эконометрические инструменты и, прежде всего, на модели бинарного выбора. Рассмотрим их более подробно.

1.4Применение моделей бинарного выбора для определения вероятности наступления банкротства предприятия

Logit- и probit-модели относятся к моделям бинарного выбора, которые применяются, когда необходимо совершить выбор между двумя возможными вариантами развития события. Он базируется на совокупности определенных входных факторов, характеризующих данные альтернативы. Пусть сделанный выбор обозначается переменной , которая может принимать два значения: 0, если выбран первый вариант развития события, и 1 - в противном случае. Объясняющие факторы могут отражаться качественными или количественными признаками. Суть метода состоит в определении зависимости результирующей переменной от различных экзогенных факторов.

Пусть обозначает значение переменной , i=1,n, где n количество наблюдений, и обозначает значения независимых факторов.

Ниже представлена модель бинарного выбора, основанная на использовании функции распределения F(-), область значений которой лежит в отрезке [0, 1]:

(1)

Обычно применяют два вида распределений:

1) функция логистического распределения

,

соответствующую модель называют logit-моделью.

2) функция нормального распределения

,

в данном случае модель называют probit-моделью.

Параметры модели (1) оцениваются с помощью метода максимального правдоподобия. Предположив, что наблюдения независимы, функция правдоподобия принимает следующий вид:

.

Поскольку является бинарной переменной, то вид функции упрощается:

.[12]

Недостатком данных моделей, равно как и моделей, построенных на основе дискриминантного анализа, является качественная оценка полученных результатов. Logit- и probit-модели не позволяют сделать точечный прогноз на ближайшие несколько лет. Поэтому чаще всего для прогнозирования значений временного ряда применяют метод, основанный на использовании кривых роста.

1.5 Теоретические основы прогнозирования уровня платежеспособности компании с помощью адаптивных методов

Адаптивные методы - это методы, позволяющие строить самокорректирующиеся экономико-математические модели, которые способны быстро реагировать на изменение условий путем учета результатов предыдущих шагов. Обычно используются для краткосрочного прогнозирования (на 1-2 шага). Наиболее простым из многочисленного класса адаптивных методов является метод экспоненциального сглаживания - метод Брауна.

Рассмотрим этапы построения адаптивной модели Брауна первого порядка.

1) Нахождение параметров модели и с помощью метода наименьших квадратов по первым пяти точкам временного ряда.

2) Построение прогноза на 1 шаг с учетом найденных коэффициентов:

3) Нахождение ошибок прогноза , характеризуюих расхождение между фактическим и прогнозным значением показателя:

4) Корректировка исходных параметров:

где - это коэффициент дисконтирования данных, отражающий большую степень доверия к более поздним наблюдениям.

5) Проведение оценки модели:

Выбирается тот вариант модели, для которого наименьшее.

6) Прогнозное значение для следующего периода находится по формуле:

[13] .

Для определения точности модели можно рассчитать среднюю ошибку аппроксимации, которая показывает, насколько хорошо построенная модель описывает исходные данные. Допустимая ошибка аппроксимации не должна превышать 10-15%/

ГЛАВА 2. ПРИМЕНЕНИЕ ЭКОНОМИКО-МАТЕМАТИЧЕСКИХ МЕТОДОВ ДЛЯ ОСНОВНЫХ НАПРАВЛЕНИЙ ФИНАНСОВОГО АНАЛИЗА ПРЕДПРИЯТИЯ ФИНАНСОВОГО СЕКТОРА ЭКОНОМИКИ НА ПРИМЕРЕ ООО ППФ СТРАХОВАНИЕ ЖИЗНИ

2.1 Краткая организационно-экономическая характеристика предприятия

Общие сведения о компании и характеристика ее управляющей системы

Полное наименование в соответствии с Уставом: Общество с ограниченной ответственностью ППФ Страхование жизни.

Основные направления деятельности:

- накопительное и пенсионное страхование жизни;

- страхование от несчастных случаев и болезней.

Организационно-правовая форма: Общество с ограниченной ответственностью.

ООО ППФ Страхование жизни это российская страховая компания с иностранным участником общества. Собственник ООО ППФ Страхование жизни Публичная компания с ограниченной ответственностью ППФ Групп Н.В., (PPF Group N.V.), юридическое лицо, образованное в соответствии с законодательством Нидерландов. Основателем PPF Group N.V. и ее мажоритарным акционером является Петр Келлнер.

PPF Group N.V. является ключевой холдинговой структурой успешной международной Группы PPF, которая инвестирует свои средства в ряд отраслей экономики, таких как банковское дело и финансовые услуги, телекоммуникации, страхование, недвижимость, энергетика, добыча полезных ископаемых, сельское хозяйство, ритейл и биотехнологии. Территорией присутствия Группы PPF является Центральная и Восточная Европа, Россия и страны СНГ, а также Азия.[14]

Уровни структуры управления

Стратегия любого предприятия базируется на ее организации. Тогда как стратегическое планирование страховой организации определяет цели и задачи ее деятельности, организационная структура устанавливает, каким образом распределяются задачи и ресурсы компании.

Организационная структура страховой организации это специально разработанные правила с целью разделения труда и распределения должностных обязанностей между сотрудниками, определения нормы управляемости и линий соподчиненности, а также для координации задач страховой компании.

Функциональная структура ООО ППФ Страхование жизни на 01.01.15 представлена следующим образом (рис. 1):

Рис. 1 Функциональная структура ООО ППФ Страхование жизни

История компании

В 1991 году основалась Группа PPF, которая в 1996 году выкупила долю в Česká pojišťovna старейшем страховщике в Европе, появившемся в 1827 году. С момента создания страховой компании произошел распад Австро-Венгерской империи, и появилась нынешняя Чехия, мир пережил две тяжелейшие войны и ряд экономических кризисов, в Чехии дважды изменился общественно-политический строй. Все это время компания эффективно работала и в полной мере выполняла свои обязательства перед клиентами, что говорит о надежности страховщика.

В 2002 году Группа PPF начала развивать услуги страхования и потребительского кредитования в России под брендом Чешская страховая компания. Один из слоганов рекламной кампании Когда Пушкин был смертельно ранен на дуэли, мы уже 10 лет заключали договоры страхования жизни!. В начале 2008 г. Generali и Группа PPF создали совместное предприятие - Generali PPF Holding, объединившее страховые активы групп в Центральной и Восточной Европе, а также в странах СНГ. Во втором квартале 2013 года PPF Страхование жизни перешла под полное управление Группы PPF, реализовав программу ребрендинга. В третьем квартале 2013 года Группа PPF приняла решение развивать свой страховой бизнес в России под брендами PPF Страхование жизни и Хоум Кредит Страхование.

География присутствия в регионах России

Страховые программы реализуются через собственную агентскую сеть, банки, а также партнеров российские компании. Каждый год компания расширяет географию своего присутствия в различных регионах РФ. На сегодняшний день собственная агентская сеть насчитывает 82 агентства, работающих на территории России, и более 4000 финансовых консультантов.

Законность деятельности

Страховая организация имеет право на осуществление деятельности по страхованию, перестрахованию, взаимному страхованию при наличии лицензии на осуществление соответствующего вида страховой деятельности в установленном настоящим Законом порядке.

Компания ППФ Страхование жизни имеет бессрочные лицензии на осуществление добровольного личного страхования СЛ №3609 и добровольного страхования жизни СЖ №3609 от 25.02.2015, выданные Центральным Банком РФ[15] (см. Приложение 3). Это означает, что компания ППФ Страхование жизни действительно имеет право оказывать в России страховые услуги.

Аудит финансовой деятельности страховщика

Для клиентов страховой организации важно быть уверенным в том, что предоставляемые ею финансовые данные достоверны. Поэтому все страховые компании подлежат обязательной аудиторской проверке, которая позволяет определить правильность ведения бухгалтерского учета, составления соответствующей отчетности и соблюдения законодательства Российской Федерации. Независимый аудитор (аудиторская фирма) в итоговой части заключения делает вывод о достоверности финансовой отчетности.

Аудиторскую проверку PPF Страхование жизни проводит компания Мариллион, лидер российского рынка аудита в сфере страхования.[16] Она подтверждает правильность ведения бухучета, и достоверность финансовой отчетности страховщика (см. Приложение 6).

Рейтинг надежности страховой компании

Рейтинг надежности страховой компании представляет собой мнение рейтингового агентства о вероятности выполнения страховой компанией ее текущих и будущих обязательств перед страхователями и выгодоприобретателями. В России одним из таких независимых рейтинговых агентств, оценивающих страховые организации, и в частности PPF Страхование жизни, является Эксперт РА крупнейшее в России международное рейтинговое агентство c 17-летней историей. Эксперт РА является лидером в области рейтингования, а также исследовательско-коммуникационной деятельности.

Оценка дается на основании анализа прошлых и текущих финансовых показателей компании, соотношения собственных активов и взятых на себя финансовых обязательств, качества принимаемых в компании управленческих решений, и пр.

Рейтинговая шкала агентства представляет собой следующую классификацию:

Класс А++ исключительно высокий уровень надежности;

Класс А+ очень высокий уровень надежности;

Класс А высокий уровень надежности;

Класс В++ приемлемый уровень надежности;

Класс В+ достаточный уровень надежности;

Класс В удовлетворительный уровень надежности;

Класс С++ низкий уровень надежности;

Класс С+ очень низкий уровень надежности;

Класс С неудовлетворительный уровень надежности;

Класс D банкротство;

Класс Е отзыв лицензии или ликвидация.

В августе 2014 года ООО ППФ Страхование жизни подтвердила свой исключительно высокий уровень надёжности А++ (рис. 7), который означает, что в краткосрочной перспективе компания с исключительно высокой вероятностью обеспечит своевременное выполнение всех финансовых обязательств как текущих, так и возникающих в ходе деятельности. В среднесрочной перспективе существует высокая вероятность исполнения обязательств даже в условиях существенных неблагоприятных изменений макроэкономических и рыночных показателей (см. Приложение 4).[17]

Перестрахование рисков

Перестрахование это деятельность по страхованию одним страховщиком (перестраховщиком) имущественных интересов другого страховщика (перестрахователя), связанных с принятым последним по договору страхования (основному договору) обязательством по страховой выплате.[18]

Перестрахование рисков повышает финансовую устойчивость страховой компании PPF Страхование жизни, обеспечивая ей дополнительную степень надежности с помощью компании Scor, одной из крупнейших перестраховочных компаний в мире (см. Приложение 5).

Компания Scor также имеет очень высокие рейтинги от ведущих рейтинговых агентств (табл. 2)[19].

Таблица 2

Рейтинги надежности компании Scor


Financial Strength

Senior Debt

Subordinated Debt

Standard Poor&'s
21/11/2013

A+
positive outlook

A+
positive outlook

A-

AM Best
15/03/2012

A
stable outlook

a+

a-

Moody&'s
09/05/2012

A1
stable outlook

N/A

A3 (hyb)

Fitch
20/08/2014

A+
positive outlook

A+

A-

 

Перестрахование рисков в надежной перестраховочной компании серьезно повышает финансовую устойчивость организации ППФ Страхование жизни, гарантируя клиентам выполнение обязательств страховщиком при любых обстоятельствах.

2.2 Оценка финансовой устойчивости страховщика

Председатель Комитета Всероссийского Союза Страховщиков по развитию страхования жизни, Чернин М. Б.: Несмотря на наметившуюся тенденцию замедления роста страхового рынка России в целом, страхование жизни на протяжении последних пяти лет продолжает быть самым быстрорастущим сегментом. Ежегодный прирост на 5060% стал уже доброй традицией.[20]

В связи с этим, в последнее время повышается интерес к финансовой устойчивости страховых компаний, занимающихся предоставлением услуг по накопительному страхованию жизни.

Для анализа финансовой устойчивости предприятия ООО ППФ Страхование жизни была рассмотрена финансовая отчетность, представленная на официальном сайте компании. А именно: бухгалтерский баланс и отчет о финансовых результатах организации за период времени с 31.12.2005 по 31.12.2014 гг. (см. Приложения 724).

Финансово устойчивые страховщики должны обладать полностью оплаченным уставным капиталом, размер которого должен быть не ниже установленного настоящим Законом минимального размера уставного капитала. Уставный капитал компании ППФ Страхование жизни на 31.12.2014 г. составил 240 миллионов рублей. В ноябре 2011 г. он был увеличен с 86 миллионов до 240 миллионов рублей за счет нераспределенной прибыли страховщика.

Также для установления уровня финансовой устойчивости было рассчитано соотношение фактической и нормативной маржи платежеспособности организации ППФ Страхование жизни на основе финансовой отчетности за период с 2005 по 2014 гг. (см. Приложение 2).

Таким образом, на всем анализируемом отрезке времени фактический размер маржи платежеспособности значительно превосходит нормативный размер, более чем на 30%. Также это видно из графика:

Рис. 1. Соотношение фактической и нормативной маржи платежеспособности, тыс. руб.

Это означает, что предприятие владеет всеми необходимыми средствами для ведения бизнеса, обеспечения стабильности страховых выплат, и что в ближайшем будущем будет поддерживаться баланс наличия собственных средств и обязательств компании.[21]

Для более точной оценки финансовой устойчивости компании приведен расчет основных показателей в таблице ниже (табл. 4):

Таблица 4

Показатели финансовой устойчивости ООО ППФ Страхование жизни

Показатели

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

1. Анализ достаточности собственного капитала

1.1 Уровень покрытия страховых резервов собственным капиталом

0,41

0,46

0,94

1,02

1,63

1,41

0,42

0,34

0,29

0,08

1.2 Уровень долговой нагрузки страховой компании

13,08%

5,50%

22,10%

10,63%

8,14%

8,00%

17,60%

21,69%

2,67%

3,84%

1.3 Уровень обеспеченности собственным капиталом

25,23%

29,62%

37,79%

45,04%

56,65%

53,62%

24,22%

19,61%

21,62%

7,26%

2. Анализ эффективности деятельности страховой компании

2.1 Убыточность страховой компании

5,96%

22,10%

5,52%

1,81%

4,03%

3,51%

3,96%

3,42%

6,94%

23,36%

2.2 Комбинированный коэффициент убыточности

69,82%

62,08%

66,71%

61,82%

64,16%

61,22%

73,58%

89,89%

74,30%

40,43%

2.3 Показатель уровня расходов (расходы на ведение дела)

71,03%

45,80%

65,29%

63,87%

60,35%

66,53%

77,02%

98,07%

76,97%

52,46%

2.4 Рентабельность собственного капитала

-0,06

0,66

0,92

0,92

0,86

0,33

0,33

0,21

0,44

-0,23

2.5 Рентабельность страховой и финансово-хозяйственной деятельности

-0,01

0,21

0,25

0,24

0,38

0,19

0,06

0,02

0,09

-0,05

3. Анализ платежеспособности страховой компании

3.1 Текущая платежеспособность

129,56%

145,47%

140,17%

147,44%

130,88%

134,48%

114,06%

95,29%

99,68%

129,90%

3.2 Текущая ликвидность

1,12

1,21

1,36

1,63

2,11

2,02

1,25

1,17

1,18

0,97

 

На рисунке ниже (рис. 2) изображена динамика исследуемых показателей и соответствующие им стоп-условия для страховых компаний, осуществляющих страхование жизни. Это позволяет наглядно увидеть возможные проблемы, что позволит руководству принять необходимые меры. В целом, на всем исследуемом промежутке времени показатели устойчивости предприятия соответствуют рекомендательным значениям, однако в 2014 году выявлено пять показателей из десяти, которые отклоняются от предъявляемых требований к устойчивости компании. Но поскольку ООО ППФ Страхование жизни имеет рейтинг, входящий в список рейтингов первой группы (А++ от Эксперт РА) согласно таблице 1, то допустимым является несоблюдение не более трех показателей на отчетную дату, а значит, предприятию необходимо обратить внимание как минимум на два показателя, имеющих наибольшее отклонение от рекомендательных значений. В данном случае это коэффициенты, характеризующие уровень покрытия страховых резервов собственным капиталом и рентабельность собственного капитала.

 

 

 

 

Рис. 2. Показатели финансовой устойчивости ООО ППФ Страхование жизни и соответствующие им стоп-условия

 

 

 

 

 

 

 

Рис. 2 Продолжение Показатели финансовой устойчивости ООО ППФ Страхование жизни и соответствующие им стоп-условия

Из полученных результатов можно сделать вывод о том, что руководству компании ООО ППФ Страхование жизни следует проанализировать более детально величину собственного капитала, а также прибыли от реализации страховых услуг. Пересмотр первого показателя возможен за счет увеличения уставного капитала, а второго путем усовершенствования политики маркетинга.

Также при анализе финансовой устойчивости страховой компании следует обращать внимание на страховые резервы они должны значительно превышать выплаты. Страховые резервы ППФ Страхование жизни на конец 2014 года составили 6,446 миллиарда рублей, что существенно превосходит величину страховых выплат, установленную в размере 926 миллионов рублей (рис. 3). Это обеспечивает финансовую устойчивость страховой компании.

Рис.3. Соотношение выплат и резервов ООО ППФ Страхование жизни

Большая роль в деятельности любого предприятия отведена ее активам, то есть средствам, которыми она владеет. Они обеспечивают выполнение организацией взятых на себя обязательств. Активы ППФ Страхование жизни на 31.12.14 года составили 7,252 миллиарда рублей, что обеспечивает финансовую устойчивость компании. Также, необходимо обратить внимание на то, что активы страховщика должны превышать страховые резервы. Данное соотношение выполняется страховой компанией (рис. 4).

Рис. 4. Соотношение активов и страховых резервов ООО ППФ Страхование жизни

Превышение стоимости активов над страховыми резервами является гарантией финансовой устойчивости страховщика.

Таким образом, исследование динамики финансовой устойчивости компании ООО ППФ Страхование жизни показало, что предприятие отличается стабильностью, стремится удовлетворять все нормативные требования, а также требования, носящие рекомендательный характер. Резкое изменение ситуации 2014 года в отличие от предшествующих лет можно объяснить, в основном, внешними факторами, которые существенно повлияли на страховой рынок России в целом. Так, информационное агентство Финмаркет опубликовало 31.12.2014 статью, посвященную итогам года: Такого парадоксального года, каким выдался 2014-й, российские страховщики не припомнят за долгое время: долгожданное разочаровывало, нежданное сбывалось, потери смешались с удачами, и всем год показался очень тяжелым. Рынок терял силы на необоснованном демпинге, на падении платежеспособного спроса на услуги, на сокращении программ страхования в ряде отраслей. Санкционные ограничения закрывали перспективы получения привычной защиты на перестраховочном рынке.[22] В сложившейся нестабильной ситуации на рынке становится все более необходимым проведение качественной финансовой политики организации, особенно в области определения и предупреждения потенциального банкротства. В этом разрезе дадим оценку компании ООО ППФ Страхование жизни с помощью различных методик диагностирования риска банкротства предприятий.

2.3 Оценка потенциального банкротства организации

Применение кластерного анализа для формирования обучающих выборок

Для определения вероятности банкротства компании в 2014 году автор работы обращается к дискриминантному анализу, для проведения которого необходимо получить две обучающие выборки. Для их определения был использован кластерный анализ.

Классификация является основой человеческой умозрительной деятельности. Дети очень рано начинают классифицировать объекты, окружающие их, и давать названия получаемым классам. Классификация является фундаментальным процессом научной практики, поскольку системы классификаций содержат понятия, необходимые для разработки теорий в науке.

Кластерный анализ представляет собой совокупность вычислительных процедур, используемых при построении классификации. В ходе работы с процедурами образуются группы схожих объектов.[23]

В качестве таких объектов кластерного анализа выступают различные страховые компании, финансовые отчеты которых были изучены автором работы и рассчитаны коэффициенты Z-модели Альтмана для непроизводственных компаний для каждого из предприятий. Данная модель была выбрана автором для исследования с точки зрения ее известности и применяемости во всех областях, в том числе и в сфере страхования. Из сформированной совокупности, состоящей из двадцати пяти компаний, было отобрано для участия в дальнейшем кластерном анализе произвольно тринадцать компаний (табл. 5):

Таблица 5

Значения модели Альтмана для компаний, участвующих в кластерном анализе

Страховщик

Значение Z-модели

1

Советская

1,93

2

Гайде

1,48

3

Югория

0,70

4

Полис-Гарант

2,77

5

АльфаСтрахование-МС

1,66

6

Двадцать первый век

3,50

7

Д2 Страхование

1,58

8

Лойд-Сити

3,10

9

Купеческое

0,88

10

Гута-Страхование

0,46

11

РОСЭНЕРГО

3,47

12

Цюрих

1,53

13

Альянс

0,43

 

Для проведения анализа в качестве меры близости было выбрано расстояние городских кварталов, между кластерами использовалось расстояние ближнего соседа. Также часто в качестве меры близости используется обычное Евклидово расстояние. Но поскольку автором рассматриваются объекты с одним признаком, то Евклидово расстояние совпадает с расстоянием городских кварталов, которое и было применено автором работы.

В конечном итоге были получены три группы кластеров, которые объединили следующие компании:

1 кластер: Советская, Гайде, АльфаСтрахование-МС, Д2 Страхование, Цюрих;

2 кластер: Югория, Купеческое, Гута-Страхование, Альянс;

3 кластер: Полис-Гарант, Двадцать первый век, Лойд-Сити, РОСЭНЕРГО.

Первый кластер представляет собой объединение страховщиков, попадающих во вторую группу устойчивости. Второй кластер соответствует множеству компаний-банкротов, а третий кластер категория стабильных, финансово устойчивых компаний.

Графически это представлено в виде дендрограммы:

Рис. 5. Дендрограмма объединения страховых компаний в кластеры по уровню финансового устойчивости

Таким образом, мы получили три обучающие выборки с уже известной оценкой потенциального банкротства, которые будут использоваться для проведения дискриминантного анализа.

Применение дискриминантного анализа для определения вероятности банкротства ООО ППФ Страхование жизни

Как было сказано в гл. 1, дискриминантный анализ является статистическим методом, который позволяет изучать различия между двумя и более группами объектов по нескольким переменным одновременно.

В качестве таких групп выступают полученные обучающие выборки и еще одна группа, содержащая единственный объект компанию ООО ППФ Страхование жизни, вероятность банкротства которой по предположению неизвестна.

В качестве признаков, характеризующих объект, взяты следующие показатели:

1) Уставный капитал;

2) Суммарный объем активов;

3) Оборотный капитал;

4) Собственный капитал;

5) Нераспределенная прибыль;

6) Сумма обязательств;

7) Прибыль до налогообложения.

Поскольку при наличии более двух обучающих выборок задача существенно усложняется и не всегда приводит к однозначной дискриминации, автор работы проводит анализ в два этапа.

Сначала в качестве двух обучающих выборок берутся множества страховых компаний-банкротов и страховщиков, относящихся ко второй группе устойчивости. По результату рассчитанной границы дискриминации, константы С, компания ППФ Страхование жизни была отнесена к первой группе (табл. 6).

Таблица 6

Результаты первого этапа дискриминантного анализа

Группа устойчивости

СК

ППФ Страхование жизни

Первая группа устойчивости (компании-банкроты)

Югория

Купеческое

Гута-Страхование

Альянс

Вторая группа устойчивости (неопределенная ситуация)

 

Советская

 

Гайде

АльфаСтрахование-МС

Д2 Страхование

Цюрих

 

Затем в качестве обучающих выборок были взяты множество компаний, попадающих во вторую группу устойчивости, и группа финансово устойчивых страховщиков. В этом случае рассчитанная граница дискриминации определила организацию ко второй группе устойчивости.

Таблица 7

Результаты второго этапа дискриминантного анализа

Группа устойчивости

Страховая компания

ППФ Страхование жизни

Вторая группа устойчивости (неопределенная ситуация)

Советская

Гайде

АльфаСтрахование-МС

Д2 Страхование

Цюрих

Третья группа устойчивости (финансово-устойчивые компании)

Полис-Гарант

 

Двадцать первый век

Лойд-Сити

РОСЭНЕРГО

 

Для точного определения группы устойчивости автор работы рассчитал отклонения константы от дискриминантной функции для двух этапов дискриминантного анализа, и во втором случае получил результат намного меньше, чем в первом. Это означает, что ООО ППФ Страхование жизни следует отнести к страховщикам второй группы устойчивости, т.е. нельзя дать однозначную оценку банкротства страховой компании. Поэтому воспользуемся уже разработанными моделями, основанными на дискриминатном анализе.

Применение зарубежных и отечественных моделей для оценки риска банкротства ООО ППФ Страхование жизни

Для диагностики потенциального банкротства страховщика с помощью иностранных и российских моделей автор работы составил таблицу финансовых показателей, необходимых для расчета коэффициентов различных моделей (см. Приложение 1).

Среди наиболее распространенных западных моделей, используемых и в России в целях диагностики финансовой несостоятельности и банкротства компаний, являются модели Альтмана. Свое применение они нашли в различных отраслях экономики, в том числе и в сфере страхования.

Сначала была рассмотрена наиболее известная и применяемая пятифакторная Z-модель. Для этого были рассчитаны коэффициенты , , , и (табл. 8):

Таблица 8

Значения коэффициентов Z-модели

Годы

 

Коэффициенты

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

 

0,14

0,24

0,36

0,43

0,57

0,54

0,23

0,19

0,21

0,04

 

0,08

0,20

0,34

0,43

0,55

0,52

0,21

0,17

0,19

0,04

 

-0,01

0,20

0,35

0,41

0,49

0,18

0,08

0,04

0,10

-0,02

 

0,23

0,13

0,06

0,04

0,04

0,03

0,05

0,03

0,04

0,04

 

1,01

0,92

1,39

1,72

1,08

0,90

1,25

1,57

1,00

0,37

Домножив каждый коэффициент на соответствующий весовой множитель и просуммировав результаты, получаем следующие значения модели за каждый год (табл. 9):

Таблица 9

Расчет пятифакторной Z-модели Альтмана

 

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

Z

1,38

2,21

3,47

4,23

4,17

2,88

2,11

2,19

1,85

0,44

Группа устойчивости

1

2

4

4

4

3

2

2

2

1

В последней строке указана группа устойчивости, в которую попадает рассчитанное значение модели.

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

2 если 1,81 Z ≤ 2,77 средняя вероятность краха компании от 35 до 50%;

3 если 2,77 Z 2,99 вероятность банкротства от 15 до 20%;

4 если 2,99 ≥ Z ситуация на предприятии стабильна, риск неплатежеспособности в течение ближайших двух лет крайне мал.

Графически ситуация выглядит следующим образом:

Рис. 6. Динамика показателя пятифакторной Z-модели Альтмана

Полученные результаты говорят о том, что за исключением 2005 года года появления компании на российском рынке предприятие ни разу не было на грани банкротства до начала 2014 года. Пик финансовой устойчивости был зафиксирован в 2008 году, однако затем произошел резкий спад. Минимум показателя зафиксирован в прошлом году, что говорит о возможности наступления банкротства компании в ближайшие два года.

Данная модель является самой распространенной, однако большим ее недостатком является то, что она подходит лишь для компаний, чьи акции размещены на фондовом рынке, следовательно, нельзя опираться лишь на ее результаты. Поэтому автором работы была рассмотрена другая модель Альтмана, применяемая для непроизводственных предприятий.

Как и в предыдущем случае, рассчитываем необходимые коэффициенты и находим значения Z-модели (табл. 10).

Таблица 10

Расчет Z-модели Альтмана для непроизводственных компаний

Годы

Показатель

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

 

0,14

0,24

0,36

0,43

0,57

0,54

0,23

0,19

0,21

0,04

 

0,08

0,20

0,34

0,43

0,55

0,52

0,21

0,17

0,19

0,04

 

-0,01

0,20

0,35

0,41

0,49

0,18

0,08

0,04

0,10

-0,02

 

0,34

0,42

0,61

0,82

1,31

1,16

0,32

0,24

0,28

0,08

Z

1,40

3,99

6,43

7,87

10,17

7,66

3,07

2,31

2,90

0,38

Группа устойчивости

2

3

3

3

3

3

3

2

3

1

В данном случае значения модели распределяются по группам следующим образом:

1 если Z&' ≤ 1,1 ситуация критична, организация с высокой долей вероятности банкротства;

2 если 1,10 Z&' 2,6 нестабильная ситуация, вероятность наступления банкротства организации невелика, но и не исключена;

3 если Z&' ≥ 2,6 низкая вероятность банкротства организации.

График полученных результатов:

Рис. 7. Динамика показателя Z-модели Альтмана для непроизводственных компаний

Несмотря на то, что мы видим на графике спад финансовой устойчивости, начиная с 2009 года, все же до прошлого года компания находилась в основном в третьей, самой высокой группе устойчивости. В 2014 году произошло резкое снижение показателя до уровня первой группы, что снова означает критическую ситуацию, в которой возможно наступление банкротства организации.

Для сравнения воспользуемся еще одной известной иностранной моделью британского ученого Ричарда Таффлера. Расчет значений модели приведен в таблице ниже:

Таблица 11

Расчет модели Таффлера

Годы

Показатель

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

 

-0,02

0,28

0,56

0,77

1,16

0,39

0,10

0,05

0,12

-0,02

 

1,18

1,34

1,57

1,76

2,28

2,14

1,31

1,23

1,26

1,04

 

0,75

0,70

0,62

0,54

0,42

0,46

0,76

0,80

0,78

0,92

 

1,01

0,92

1,39

1,72

1,08

0,90

1,25

1,57

1,00

0,37

Z

0,44

0,60

0,83

1,01

1,16

0,71

0,56

0,58

0,53

0,35

Группа устойчивости

1

1

1

1

1

1

1

1

1

1

 

Интерпретация результатов в данном случае:

3 если Z 0,3 малая вероятность банкротства;

4 если Z 0,2 высокая вероятность банкротства.

График динамики значений модели Таффлера напоминает график Z-модели Альтмана для непроизводственных компаний (рис. 8), однако, в отличие от предыдущих результатов, видим, что на протяжении всего исследуемого периода времени страховщик находится в первой группе устойчивости, что означает отсутствие высокой вероятности банкротства в ближайшее время.

Рис. 8. Динамика значений модели Таффлера

Как было сказано в гл. 1, модель Таффлера является ближе к российской действительности, нежели остальные иностранные модели. Проверим это с помощью двух наиболее известных российских моделей ИГЭА и Зайцевой.

Результаты расчета модели прогнозирования банкротства ИГЭА приведены в таблице ниже:

Таблица 12

Расчет модели прогнозирования банкротства ИГЭА

Годы

Показатель

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

 

0,14

0,24

0,36

0,43

0,57

0,54

0,23

0,19

0,21

0,04

 

0,20

0,55

0,70

0,68

0,69

0,27

0,21

0,16

0,35

-0,19

 

1,01

0,92

1,39

1,72

1,08

0,90

1,25

1,57

1,00

0,37

 

0,07

0,26

0,27

0,26

0,47

0,22

0,05

0,02

0,08

-0,03

Z

1,43

2,75

3,93

4,57

5,81

4,96

2,27

1,82

2,18

0,17

Вероятность банкротства предприятия

до 10%

до 10%

до 10%

до 10%

до 10%

до 10%

до 10%

до

10%

до 10%

60-80%

 

Вероятность банкротства определяется следующим образом:

1) если Z 0, риск банкротства максимальный (90-100%);

2) если 0Z0,18, риск банкротства высокий (60-80%);

3) если 0,18Z0,32, риск банкротства средний (35-50%);

4) если 0,32Z0,42, риск банкротства низкий (15-20%);

5) если Z 0,42, риск банкротства минимальный (до 10%).

График полученных результатов (рис. 9):

Рис. 9. Динамика значений модели ИГЭА

Из полученных результатов видим, что до 2014 года показатель финансовой устойчивости действительно находился в группе с самым минимальным риском наступления банкротства, что делает данную модель схожей с моделью Таффлера, однако, последнее значение, в отличие от результата предыдущей модели за этот год, не отвечает требованиям финансово устойчивой компании и говорит о том, что компания имеет высокий риск наступления банкротства в ближайшее время.

Обратимся теперь к модели Зайцевой, расчет которой представлен в таблице ниже (табл. 13):

Таблица 13

Расчет модели Зайцевой для диагностики банкротства

Годы

Показатель

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

 

-0,06

0,66

0,92

0,92

0,86

0,33

0,33

0,21

0,44

-0,23

 

3,35

0,64

1,79

1,52

0,80

1,31

4,72

4,12

0,32

0,46

 

0,85

0,75

0,64

0,55

0,43

0,46

0,76

0,81

0,79

0,96

 

-0,01

0,22

0,25

0,24

0,45

0,20

0,06

0,03

0,10

-0,04

 

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

0,00

 

0,99

1,09

0,72

0,58

0,92

1,12

0,80

0,64

1,00

2,70

 

0,59

0,54

0,67

0,61

0,59

0,47

0,80

0,70

0,42

0,44

 

-

1,67

1,68

1,64

1,63

1,66

1,68

1,65

1,63

1,67

Вероятность

-

низкая

низкая

низкая

низкая

низкая

низкая

низкая

низкая

низкая

В данном случае допускается два варианта интерпретации полученных результатов:

1) Если , то вероятность банкротства предприятия высока.

2) Если , то риск банкротства незначительный.

Из полученных расчетов и графика ниже (рис. 10) видим, насколько далеки значения от нормативных, что позволяет сделать вывод о том, что страховщик на протяжении десяти лет отличается стабильностью и риск наступления банкротства в ближайшие годы очень незначителен. В данном случае полученный результат похож на те, что были выявлены с помощью модели Таффлера.

Рис. 10. Динамика значений модели Зайцевой

Объединим полученные результаты всех рассмотренных моделей в сравнительную таблицу (табл. 14):

Таблица 14

Результаты моделей диагностики потенциального банкротства

Годы

Название модели

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

Пятифактор

ная Z-модель Альтмана

банкрот

почти банкрот

не банкрот

не банкрот

не банкрот

не банкрот

почти банкрот

почти банкрот

почти банкрот

банкрот

Модель Альтмана для непроизводственных компаний

почти банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

почти банкрот

не банкрот

банкрот

Модель Таффлера

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

Модель ИГЭА

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

почти банкрот

Модель Зайцевой

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

не банкрот

 

Таким образом, обобщенные результаты позволяют сделать вывод о том, что на протяжении девяти лет, начиная с 2005 года, компания ООО ППФ Страхование жизни отличалась стабильностью и высокой надежностью. Однако в 2014 году в силу влияния внешних факторов на экономику страны в целом и в частности на сферу страхования, риск банкротства организации существенно увеличился. Но на данный момент нельзя с уверенностью утверждать, что компания обанкротится в ближайшее время.

Таким образом, рассмотренные модели подтвердили результат дискриминантного анализа, именно позволили сделать вывод о том, что финансовая устойчивость ООО ППФ Страхование жизни в 2014 году снизилась по сравнению с предыдущими периодами исследования, однако это не дает оснований для причисления страховщика к компаниям-банкротам.

Как было отмечено в гл. 1, в результате применения моделей диагностики потенциального банкротства, построенных при помощи дискриминантного анализа, часто выявляются многочисленные недостатки, затрудняющие получение адекватной оценки риска банкротства, в частности, данные модели не дают точную количественную оценку вероятности банкротства, а лишь определяют ее качественную степень низкая, высокая, и т.д. Также получение верного результата усложняет, так называемая, зона неопределенности, которая при попадании в нее вычисленного значения модели говорит о невозможности определенно охарактеризовать степень вероятности банкротства. Эти и другие упущения дискримиантного анализа побудили современных экономистов обратить внимание на иные экономические инструменты, среди которых особая роль отведена моделям бинарного выбора. Их применение удобно в случае наличия качественных переменных, которые могут принимать два противоположных значения, как, например, в рассматриваемой автором ситуации: компания банкрот и компания, не являющаяся банкротом. Дадим оценку риска банкротства ООО ППФ Страхование жизни с помощью probit-модели.

Разработка probit-модели для оценки потенциального банкротства ООО ППФ Страхование жизни

Существует множество современных моделей бинарного выбора, разработанных для различных сфер экономики. Тем не менее, для такой специфичной отрасли, как страхование, данный вид моделей до сих пор не создан, а применение иных моделей может привести к неточным результатам. Учитывая это, автор разработал собственную probit-модель на основе выборки из восьми страховых компаний с уже известными вероятностями банкротства: четыре из них (Гута-Страхование, Альянс, Югория и Купеческое) призваны компаниями-банкротами, им соответствует значение вероятности, равное 1. Остальные страховщики (Лойд-Сити, Полис-Гарант, РОСЭНЕРГО и Двадцать первый век) являются финансово устойчивыми компаниями, для них вероятность банкротства равна 0. В качестве объясняющих переменных были использованы четыре коэффициента, которые применялись в ранее рассмотренных моделях: это из модели Альтмана для непроизводственных компаний, из модели Таффлера, из модели ИГЭА и из модели Зайцевой (табл. 15).

Таблица 15

Расчет объясняющих переменных модели

СК

P(X)

 

 

 

 

 

Гута-Страхование

1

0,16

-0,44

0,81

-0,10

Альянс

1

0,12

-0,29

0,48

-0,14

Югория

1

0,17

-0,35

0,48

0,27

Купеческое

1

0,10

0,07

0,48

0,02

Лойд-Сити

0

0,37

0,00

0,49

0,00

Полис-Гарант

0

0,30

-0,03

0,99

-0,01

РОСЭНЕРГО

0

0,26

0,00

0,39

0,01

Двадцать первый век

0

0,34

0,02

0,57

0,02

 

В качестве функции было взято стандартное нормальное распределение, параметры модели находим с помощью метода максимального правдоподобия. В итоге имеем:

Таблица 16

Расчет параметров модели

b =

761971359,4

-3134329650

-2791735888

-531996092,7

196168742,6

 

Таким образом, модель принимает вид:

.

Проверим качество построенной модели, рассчитав вероятности наступления банкротства для исходных компаний при вероятности 0,95 (табл. 17):

Таблица 17

Расчет вероятности наступления банкротства исходных компаний

i

P(X)

 

 

 

 

Для пробит

Ф

1

1

0,16

-0,44

0,81

-0,10

1020626267

1

2

1

0,12

-0,29

0,48

-0,14

912945831,2

1

3

1

0,17

-0,35

0,48

0,27

1002472341

1

4

1

0,10

0,07

0,48

0,02

12726418,86

1

5

0

0,37

0,00

0,49

0,00

-673444391,1

0

6

0

0,30

-0,03

0,99

-0,01

-622066575,9

0

7

0

0,26

0,00

0,39

0,01

-253491238,5

0

8

0

0,34

0,02

0,57

0,02

-657324191,5

0

 

Значения функции показывают вероятность того, что зависимая переменная примет значение 1 при заданном значении объясняющих переменных. Таким образом, вероятность того, что первые четыре компании являются банкротами, максимальна, а вероятность того, что таковыми будут остальные четыре страховщика нулевая, т.е. мы получили правильные результаты, следовательно, модель можно считать адекватной. Теперь сделаем расчет модели для компании ООО ППФ Страхование жизни.

В качестве объясняющих переменных возьмем рассчитанные значения ранее описанных коэффициентов за период с 2005 по 2014 гг. и определим вероятности наступления банкротства организации:

Таблица 18

Расчет вероятности наступления банкротства ООО ППФ Страхование жизни

Годы

 

 

 

 

Для пробит

Ф

2005

0,14

0,20

1,01

-0,01

-763945399,8

0

2006

0,24

0,55

0,92

0,22

-1955235114

0

2007

0,36

0,70

1,39

0,25

-2989205858

0

2008

0,43

0,68

1,72

0,24

-3365332166

0

2009

0,57

0,69

1,08

0,45

-3426232106

0

2010

0,54

0,27

0,90

0,20

-2106740200

0

2011

0,23

0,21

1,25

0,06

-1219548535

0

2012

0,19

0,16

1,57

0,03

-1111876535

0

2013

0,21

0,35

1,00

0,10

-1372845617

0

2014

0,04

-0,19

0,37

-0,04

941749387,4

1

 

Полученные значения функции говорят о том, что до 2014 года риск банкротства компании минимален, однако в прошлом году он равен единице, что говорит о большой вероятности наступления банкротства.

Построенная модель имеет ряд преимуществ, однако существуют и недостатки. Положительными сторонами можно назвать, во-первых, удобство использования модели в случае наличия качественной зависимой переменной и, во-вторых, то, что она строилась на выборке конкретных страховщиков с уже известными вероятностями банкротства. Однако несовершенствами данной модели, которые могут существенно повлиять на результаты исследования, являются, по мнению автора, малый объем выборки и включение в нее страховщиков, отличных друг от друга по видам деятельности. Создание качественной выборки затрудняет общее положение рынка страхования в России. Страхование в целом, и, в частности, страхование жизни и здоровья еще довольно слабо развито в стране, что ведет к недостаточности статистических данных о компаниях, осуществляющих данный вид деятельности. Однако применение даже такой несовершенной выборки, как в исследовании автора, показало, что разработка моделей бинарного выбора допустима для страховой отрасли.

Сравнивая результаты всех использованных методик для оценки потенциального банкротства ООО ППФ Страхование жизни автор работы приходит к выводу о том, что организация ООО ППФ Страхование жизни на протяжении девяти лет отличалась стабильностью и надежностью, однако в 2014 году за счет влияния внешних факторов на страховую отрасль в целом, риск банкротства компании существенно увеличился, и если в ближайшее время руководство компании не предпримет мер по изменению ситуации, вероятность банкротства может достигнуть 1.

Таким образом, рассмотренные методики для оценки потенциального банкротства позволяют сделать следующее обобщение: самым распространенным, классическим способом определения степени банкротства компаний является дискриминантный анализ. На его основе разрабатывается множество моделей, которые имеют как положительные, так и отрицательные стороны. Большинство таких моделей получают интервалы для принятия решения о вероятности банкротства экспериментальным путем, однако не всегда есть такая возможность. Чаще всего необходимо исследовать ситуацию, которая может иметь два или несколько противоположных исходов, которые описаны качественной характеристикой. В этом случае удобным является использование моделей бинарного и множественного выбора. Здесь для оценки вероятности риска банкротства не предусмотрены диапазоны: результирующие показатели риска банкротства, рассчитанные по данным моделям, принимают значения исключительно от 0 до 1, и вывод о вероятности риска банкротства производится в зависимости от степени близости расчетного показателя к 0 (минимальный риск) или к 1 (максимальный риск).

Существенным недостатком всех рассмотренных методик является то, что они позволяют получить только общую оценку риска наступления банкротства предприятия в ближайшее время, однако не дают точечного прогноза финансовой устойчивости в соответствующем периоде. Поэтому рассмотрим тенденцию развития страховой компании, сделаем прогноз основных показателей финансовой устойчивости с помощью кривых роста.

ГЛАВА 3. ПРОГНОЗ ПЕРСПЕКТИВ РАЗВИТИЯ ООО ППФ СТРАХОВАНИЕ ЖИЗНИ

Как было сказано ранее, основным условием финансовой устойчивости компании является ее платежеспособность, которую характеризуют такие показатели, как коэффициент текущей ликвидности и коэффициент текущей платежеспособности. Построим прогноз данных коэффициентов.

Прогноз коэффициента текущей платежеспособности

Расчет коэффициента текущей платежеспособности приведен в таблице ниже (табл. 19):

Таблица 19

Расчет коэффициента текущей платежеспособности с 2005 по 2014 гг.

Годы

Коэффициент текущей платежеспособности

2005

1,296

2006

1,455

2007

1,402

2008

1,474

2009

1,309

2010

1,345

2011

1,141

2012

0,953

2013

0,997

2014

1,299

 

График зависимости выглядит следующим образом:

Рис. 11. Динамика коэффициента текущей платежеспособности

Из данного графического представления видно, насколько изменчив показатель, поэтому для прогноза коэффициента воспользуемся моделью Брауна. Она является адаптивной моделью, которая способна быстро реагировать на изменение условий за счета учета результатов предыдущих периодов.

С помощью метода наименьших квадратов находим коэффициенты модели ( и ), затем строим прогноз на следующие три периода. При поиске коэффициента дисконтирования данных учитываем, что ошибки прогноза должны быть минимальны. Все необходимые расчеты произведены в таблице ниже:

Таблица 20

Расчет прогнозных значений коэффициента текущей платежеспособности по модели Брауна

Год

Коэффициент текущей платежеспособности

x

 

 

 

 

0

-

1,373

0,005

-

2005

1,2956

1

1,3778

1,362

-0,011

0,007

2006

1,4547

2

1,3389

1,373

0,011

0,013

2007

1,4017

3

1,4064

1,383

0,010

0,000

2008

1,4744

4

1,4242

1,403

0,020

0,003

2009

1,3088

5

1,5035

1,385

-0,018

0,038

2010

1,3448

6

1,2778

1,380

-0,005

0,004

2011

1,1406

7

1,3465

1,335

-0,045

0,042

2012

0,9529

8

0,9754

1,286

-0,049

0,001

2013

0,9968

9

0,8415

1,267

-0,019

0,024

2014

1,2990

10

1,0760

1,291

0,024

0,050

2015

 

11

1,3158

   

0,018

2016

 

12

1,3402

     

2017

 

13

1,3646

     
 

Для проверки адекватности построенной модели найдем среднюю ошибку аппроксимации. Для прогнозных моделей, отличающихся точностью, она не должна превышать 10-15%. В данном случае А = 9,11% , что свидетельствует о допустимости использования модели.

График полученных результатов:

Рис. 12. График прогнозных значений коэффициента текущей платежеспособности

Полученные прогнозные значения соответствуют рекомендательной норме (коэффициент текущей платежеспособности должен быть не меньше 85%), это означает, что в ближайшие три года компания ППФ Страхование жизни будет обладать способностью своевременно и полностью выполнять свои платёжные обязательства. Построим теперь прогноз коэффициента текущей ликвидности компании.

Прогноз коэффициента текущей ликвидности

Динамика коэффициента текущей ликвидности за период с 2005 по 2014 гг. приведена в таблице (табл. 21) и представлена графически (рис 13).

Таблица 21

Расчет коэффициента текущей ликвидности ООО ППФ Страхование жизни с 2005 по 2014 гг.

Годы

Коэффициент текущей ликвидности

2005

1,125

2006

1,208

2007

1,361

2008

1,630

2009

2,109

2010

2,024

2011

1,247

2012

1,165

2013

1,184

2014

0,971

 

Рис. 13. Динамика коэффициента текущей ликвидности

Снова воспользуемся адаптивной моделью Брауна. Сделанные расчеты приведены в таблице ниже:

Таблица 22

Расчет прогнозных значений коэффициента текущей платежеспособности по модели Брауна

Год

Коэффициент текущей ликвидности

x

 

 

 

 

0

-

0,769

0,239

-

2005

1,125

1

1,009

1,052

0,282

0,014

2006

1,208

2

1,616

1,182

0,130

0,167

2007

1,361

3

1,573

1,234

0,052

0,045

2008

1,630

4

1,440

1,356

0,122

0,036

2009

2,109

5

1,968

1,531

0,175

0,020

2010

2,024

6

2,579

1,499

-0,032

0,308

2011

1,247

7

1,277

1,456

-0,043

0,001

2012

1,165

8

1,113

1,433

-0,023

0,003

2013

1,184

9

1,222

1,395

-0,037

0,001

2014

0,971

10

1,021

1,339

-0,056

0,002

2015

 

11

1,284

   

0,060

2016

 

12

1,228

     

2017

 

13

1,172

     
 

Средняя ошибка аппроксимации составила 12,07%, следовательно, можно допускать применение построенной модели.

Графически полученные результаты выглядят следующим образом:

Рис. 14. График прогнозных значений коэффициента текущей ликвидности

Видим, что прогнозные коэффициенты текущей ликвидности также удовлетворяют рекомендуемому значению (коэффициент текущей ликвидности должен быть не меньше 1).

Таким образом, полученные результаты говорят о том, что компания в ближайшие три года будет отвечать всем требованиям платежеспособности, однако ее ликвидность с будет постепенно снижаться. Это связано с тем, что в силу расширения масштабов деятельности, обязательства организации также будут расти. Следовательно, для поддержания уровня текущей ликвидности компании необходимо соответственное увеличение доли оборотных активов.

ЗАКЛЮЧЕНИЕ

Экономическое благополучие государства складывается из благосостояния отдельно хозяйствующих субъектов. Именно поэтому каждое предприятие в должной мере и в определенные сроки проводит полный анализ своей финансово-хозяйственной деятельности, в том числе оценку возможной финансовой несостоятельности и банкротства.

Страхование, а в частности, накопительное страхование жизни это довольно специфическая сфера финансовых отношений, поскольку, с одной стороны, ее следует рассматривать как возвратное финансирование, так как денежные средства, переданные страховщикам, в конечном итоге возвращаются страхователям в форме выплаты, однако с другой стороны, заранее неизвестен срок и размер такой выплаты. Как следствие, возникает необходимость развития различных методологий, призванных в должной мере объяснить появление кризисных ситуаций.

Для оценки финансовой устойчивости организации ООО ППФ Страхование жизни автором данной работы были рассмотрены и применены различные теоретические и практические подходы, направленные на обнаружение, предотвращение и возможное предупреждение неблагоприятных ситуаций на предприятии. Было выявлено, что величина уставного капитала организации и соотношение страховых резервов с выплатами отвечают требованиям законодательства. Также размер фактической маржи платежеспособности соответствует норме.

Автором работы была изучена финансовая устойчивость компании, в результате чего сделан вывод о том, что организация стремится удовлетворять все нормативные требования, а также требования, носящие рекомендательный характер. Однако в 2014 году не все показатели финансовой устойчивости отвечали требованиям. Наибольшее отклонение от рекомендательных значений имеют два показателя это коэффициенты, характеризующие уровень покрытия страховых резервов собственным капиталом и рентабельность собственного капитала. Поэтому автор работы делает вывод о том, что руководству компании ООО ППФ Страхование жизни следует пересмотреть величину собственного капитала, и проанализировать возможные пути повышения прибыли от реализации страховых услуг. В целом, резкое снижение финансовой устойчивости в 2014 году обусловлено внешними факторами, которые существенно повлияли на страховой рынок России.

Также была дана оценка потенциального банкротства страховщика с помощью дискриминантого анализа, иностранных и отечественных моделей, а также с помощью разработанной модели бинарного выбора. Данные методики позволили сделать вывод о том, что организация ООО ППФ Страхование жизни на протяжении девяти лет отличалась стабильностью и надежностью, однако в 2014 году риск банкротства компании существенно увеличился и в ближайшее время может достигнуть 1.

Рассмотренные методики дали общую оценку вероятности наступления банкротства компании, но для того, чтобы построить прогноз перспектив развития организации в конкретные периоды в будущем автор работы прибегнул к адаптивному методу для построения самокорректирующейся экономико-математической модели, которая позволила сделать краткосрочный прогноз на ближайшие три года. Полученные результаты показали, что в ближайшее время страховщик будет выполнять все платежные обязательства, однако ликвидность компании с каждым годом будет снижаться за счет увеличения обязательств организации и уменьшении величины оборотных активов, на что руководству компании следует обратить особое внимание.

Таким образом, результатом проделанной работы стала оценка финансовой устойчивости и перспектив развития страховой компании ООО ППФ Страхование жизни. Для исследования использовались различные методики, как иностранных, так и российских авторов, что дает возможность на практике оценить необходимость и особую значимость применения экономико-математических методов моделирования для определения и предупреждения кризисных ситуаций на предприятии.



[1] Ермасов С. В. Страхование [Текст] : учебник / С. В. Ермасов, Н. Б. Ермасова. 2-е изд., перераб. и доп. М. : Высшее образование, 2008. С. 404.

[2] Закон РФ от 27.11.1992 №4015-1 (ред. от 08.03.2015) Об организации страхового дела в Российской Федерации (27 ноября 1992 г.): [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.consultant.ru (дата обращения 20.12.2014)

[3] Требования к финансовой устойчивости страховой компании: [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.vtb24.ru/personal/loans/insurance/Documents/vtb24_insurance_finance_requirements.pdf (дата обращения 04.05.2015)

[4] Закон РФ от 27.11.1992 №4015-1 (ред. от 08.03.2015) Об организации страхового дела в Российской Федерации (27 ноября 1992 г.): [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.consultant.ru (дата обращения 20.12.2014)

[5] Ким Дж.-О. Факторный, дискриминантный и кластерный анализ [Текст] / Дж.-О. Ким., Ч. У. Мьюллер, У. Р. Клекка, М. С. Олдендерфер, Р. К. Блэшфилд М. : Финансы и статистика, 1989. С. 80.

[6] Дубров А. М. Многомерные статистические методы [Текст] / А. М. Дубров, В. С. Мхитарян, Л. И. Трошин. М. : Финансы и статистика, 2003. С. 251.

[7] Айвазян С. А. Прикладная статистика [Текст] / С. А. Айвазян., В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин М. : Финансы и статистика, 1989. С. 174.

[8] Центробанк нашел признаки банкротства у крупнейших страховщиков: [Электронный ресурс]. Электрон. ст. режим доступа к ст. : http://lenta.ru/ (дата обращения 02.03.2015)

[9] Altman E. I., Haldeman R.G., Narayanan P. Zeta Analysis: A New Model to Identify Bankruptcy Risk of Corporation [Текст] // Journal of Banking and Finance, 1977. С. 9.

[10] Как спрогнозировать риск банкротства компании : [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.cfin.ru/finanalysis/risk/bankruptcy.shtml (дата обращения 08.05.2015)

[11] Модели прогнозирования банкротства российских предприятий (MDA-модели): [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://finzz.ru/modeli-prognozirovaniya-bankrotstva-rossijskix-pdpriyatij-mda-modeli.html (дата обращения 08.05.2015)

[12] Интернет-журнал НАУКОВЕДЕНИЕ Горбатков С.А., Белолипцев И.И. Гибридный метод оценки риска банкротств на базе байесовского ансамбля нейросетей и logit-модели: [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://finzz.ru/modeli-prognozirovaniya-bankrotstva-rossijskix-pdpriyatij-mda-modeli.html (дата обращения 11.06.2015)

[13] Федосеев В. В. Экономико-математические методы и прикладные модели [Текст] : учеб. пособие для вузов / В.В. Федосеев, А.Н. Гармаш, Д.М. Дайитбегов М. : ЮНИТИ, 1999. С. 189.

[14] Сайт страховой компании ППФ Страхование жизни: [Электронный ресурс]. Электрон. ст. режим доступа к ст. : http://www.ppfinsurance.ru/ (дата обращения 08.12.2014)

[15] Сайт Центрального Банка Российской Федерации: [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.cbr.ru/ (дата обращения 12.04.2015)

[16] Сайт компании Мариллион: [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.marillion.ru/ (дата обращения 17.05.2015)

[17] Сайт Международного рейтингового агентства в России Эксперт Ра (RAEX): [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.raexpert.ru/ (дата обращения 12.04.2015)

[18] Закон РФ от 27.11.1992 №4015-1 (ред. от 08.03.2015) Об организации страхового дела в Российской Федерации (27 ноября 1992 г.): [Электронный ресурс]. Электрон. ст. режим доступа к ст. : http://www.consultant.ru/document/cons_doc_LAW_176347/ (дата обращения 20.12.2014)

[19] Сайт компании Scor: [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.scor.com/en/ (дата обращения 10.05.2015)

[20] Годовой отчет по рынку страхования жизни за 2013 год: [Электронный ресурс]. Электрон. ст. режим доступа к ст. : http://aszh.ru/ (дата обращения 08.03.2015)

[21] О чем говорит маржа платежеспособности страховой компании: [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://finance-obzor.ru/ (дата обращения 10.05.2015)

[22] ИТОГИ ГОДА: Страховой рынок пережил первый кризисный год и финишировал с подарками: [Электронный ресурс]. Электрон. ст. режим доступа к ст.: http://www.finmarket.ru/insurance/?id=3909560 (дата обращения 12.05.2015)

[23] Ким Дж.-О. Факторный, дискриминантный и кластерный анализ [Текст] / Дж.-О. Ким., Ч. У. Мьюллер, У. Р. Клекка, М. С. Олдендерфер, Р. К. Блэшфилд М. : Финансы и статистика, 1989. С. 80

 

Загрузка...
Комментарии
Отправить