ПОСТРОЕНИЕ ДИСКРИМИНАНТНОЙ МОДЕЛИ АНАЛИЗА ФИНАНСОВО-ЭКОНОМИЧЕСКОГО СОСТОЯНИЯ АГРОПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ КАРАЧАЕВО-ЧЕРКЕССКОЙ РЕСПУБЛИКИ

Высоцкая Т.В.

Аспирант, Карачаево-Черкесский государственный университет имени У.Д. Алиева

ПОСТРОЕНИЕ ДИСКРИМИНАНТНОЙ МОДЕЛИ АНАЛИЗА ФИНАНСОВО-ЭКОНОМИЧЕСКОГО СОСТОЯНИЯ АГРОПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ КАРАЧАЕВО-ЧЕРКЕССКОЙ РЕСПУБЛИКИ

 

Аннотация

Автором проведен дискриминантный анализ на основе данных агропромышленных предприятий Карачаево-Черкесской республики. С его помощью были отобраны наиболее существенные факторы, влияющие на финансовое состояние, и построены классифицирующие функции, способные дать более точную оценку предприятиям АПК данного региона.

Ключевые слова: дискриминантная модель, классифицирующая функция, финансово-экономический анализ, агропромышленные предприятия.

Vysotskaya T.V.

Postgraduate student, Karachaevo-Circassian state university of a name of U.D.Aliev

CREATION OF DISCRIMINANT MODEL OF THE ANALYSIS OF THE FINANCIAL AND ECONOMIC CONDITION OF THE AGRO-INDUSTRIAL ENTERPRISES OF THE KARACHAY-CHERKESS REPUBLIC

Abstract

The author carried out the discriminant analysis on the basis of these agro-industrial enterprises of the Karachay-Cherkess Republic. With its help the most essential factors influencing a financial condition were selected, and the classifying functions, capable to give more exact assessment to the agrarian and industrial complexes enterprises of this region are constructed.

Keywords: the discriminant model, classifying function, the financial and economic analysis, the agro-industrial enterprises.

Дискриминантный анализ является разделом многомерного статистического анализа, который позволяет изучать различия между двумя и более группами объектов по нескольким переменным одновременно. Дискриминантный анализ — это общий термин, относящийся к нескольким тесно связанным статистическим процедурам. Эти процедуры можно разделить на методы интерпретации межгрупповых различий — дискриминации и методы классификации наблюдений по группам [1].

Дискриминантные модели широко используются для анализа финансово-экономического состояния, когда необходимо классифицировать предприятия по нескольким признакам. Существующие модели не имеют отраслевой направленности, тем более не учитывают региональных особенностей. Поэтому разработка дискриминантной модели на основе данных агропромышленных предприятий Карачаево-Черкесской республики позволит отобрать существенные факторы и дать более точную оценку предприятиям этого региона и этой отрасли. Такое узкое направление позволит проводить более точный анализ.

Для построения и апробации модели были собраны финансовые данные за период 2009-2010 годы по 39 предприятиям агропромышленного комплекса Карачаево-Черкесской Республики. Из них 18 предприятий официально объявлены банкротами, финансовое состояние 21 предприятия официально считается удовлетворительным.

В основу анализа положено 16 показателей, характеризующих состояние финансовой и производственной сферы деятельности предприятия: быстрый коэффициент ликвидности (L₁); коэффициент покрытия запасов (L₃); текущий коэффициент ликвидности (P₁);коэффициент финансовой зависимости (F₁); коэффициент автономии собственных средств (F₂); обеспеченность запасов собственными оборотными средствами (F₃); индекс постоянного актива (F₄);общая рентабельность (R₁); рентабельность активов (R₂);рентабельность собственного капитала (R₃); рентабельность продукции (продаж) (R₄);рентабельность оборотных активов (R₅);  оборачиваемость активов (); оборачиваемость кредиторской задолженности ();оборачиваемость дебиторской задолженности (); оборачиваемость запасов (). Выбор указанныхпоказателей основан на исследовании [2], в ходе которого анализировалась бухгалтерская отчетность 400 российских предприятий в период 2000 - 2003 гг. (100 крупных и 300 мелких).

В качестве информационной базы для анализа и оценки финансового состояния предприятий использовались официальные формы обязательной бухгалтерской отчетности форма №1 (баланс) и форма №2 (отчет о прибылях и убытках). Данные финансовой отчетности были взяты на портале информационно-аналитического и учебного центра НАУФОР [3]. Расчеты производились в программе Statistica 6.0.

Весь процесс проведения дискриминантного анализа разбивается на два этапа и каждый из них можно рассматривать как совершенно самостоятельный метод.

Первый этап – выявление и формальное описание различий между существующими множествами (группами) наблюдаемых объектов.

Второй этап – непосредственная классификация новых объектов, т.е. отнесение каждого объекта к одному из существующих множеств.

На первом этапе целесообразно использовать пошаговую процедуру анализа дискриминантных функций. В нем модель дискриминации строится по шагам. Точнее, на каждом шаге просматриваются все переменные, и находится та из них, которая вносит наибольший вклад в различие между совокупностями. Эта переменная должна быть включена в модель на данном шаге, и происходит переход к следующему шагу.

Пошаговая процедура закончится, если хотя бы одно из условий выполнится:

1. Все переменные введены или отброшены;
2. Нет других переменных вне модели, имеющих большее значение статистики F, чем значение F-включить и когда в модели нет других переменных, имеющих меньшее значение F, чем значение F-исключить.
3. Какая-либо переменная на следующем шаге имеет значение толерантности меньше, чем заданное значение Толерантность.

Значение F–статистики для переменной указывает на ее статистическую значимость при дискриминации между совокупностями и является мерой вклада признака в предсказание членства в группах. Тогда в качестве результата успешного анализа можно сохранить только наиболее информативные переменные модели, то есть те переменные, чей вклад в дискриминацию больше остальных [1].

При проведении дискриминации в модель последовательно включилось 9 переменных, включение в модель остальных переменных не является целесообразным, так как значение F– включить меньше 0,81. На рисунке 1 показаны результаты дискриминантного анализа с включенными в модель переменными, а на рисунке 2 результаты с переменными, которые не были включены в модель.

Рис. 1 - Переменные, вошедшие в модель

Рис. 2 - Переменные, не вошедшие в модель

В первом столбце таблицы приведены значения Уилкса лямбда, являющиеся результатом исключения соответствующей переменной из модели. Чем больше значение , тем более желательно присутствие этой переменной в процедуре дискриминации. Из рисунка 1 видно, что из девяти переменных включенных в модель наименьший вклад в процесс разделения предприятий на группы внесли переменные A4, F3, R5. Этот же результат вытекает из значений Частная лямбда, которая характеризует единичный вклад соответствующей переменной в разделительную силу модели. Чем меньше значение Частная лямбда, тем больше вклад в общую дискриминацию.

На отбор переменных в модель решающим фактором было значение F-включить. Те переменные, чье значение F-включить было меньше 0,81, из модели исключались.

Стандартизированные коэффициенты дискриминантной функции (1) определяют величины и направления вкладов исходных переменных в каноническую функцию.

 (1)

Анализируя данные значения, приходим к выводу, что чем выше рентабельность оборотных активов (R5), коэффициент финансовой зависимости (F1) и доля низкооборотных активов (F4),  тем более кризисным становится положение предприятия. Средние канонических переменных дискриминантно функции для кризисных и некризисных предприятий равны соответственно -5,19 и 5,19.

На втором этапе проведения дискриминантного анализа отобранное подмножество наиболее информативных переменных используется для вычисления классификационных функций (2-3).Предприятие будет отнесено к той группе, для которой классификационная функция будет иметь наибольшее значение.

(2)

(3)

Матрица классификации (рисунок 3) содержит информацию о количестве и проценте корректно классифицированных наблюдений в каждой группе. Строки матрицы — исходные классы, столбцы — предсказанные классы. Правильная на 100% классификация свидетельствует о верно найденной функции дискриминации.

Рис. 3 - Матрица классификации предприятий

Таким образом, мы выявили 9 факторов, оказывающих наиболее существенное влияние на финансовое состояние агропромышленных предприятий Карачаево-Черкесской республики: оборачиваемость кредиторской задолженности ();оборачиваемость запасов ();быстрый коэффициент ликвидности (L₁); коэффициент покрытия запасов (L₃); текущий коэффициент ликвидности (P₁);обеспеченность запасов собственными оборотными средствами (F₃); индекс постоянного актива (F₄);общая рентабельность (R₁); рентабельность оборотных активов (R₅). Построили классифицирующие функции, которые позволяют отнести исследуемое предприятие к кризисным или некризисным.

Из проведенного выше исследования следует, что дискриминантные модели, при правильно подобранной обучающей выборке, можно использовать для диагностики состояния предприятия, но для повышения уверенности в адекватности и правильности классификации необходимо использовать его в комплексе с другими статистическими методами.