Разработка механизма прогнозирования и подготовки управленческих решений на промышленных предприятиях тема диссертации и автореферата по ВАК РФ 08.00.05, кандидат экономических наук Акбердина, Виктория Викторовна

• Акбердина, Виктория Викторовна
• кандидат экономических наук
• 2002

Оглавление диссертации кандидат экономических наук Акбердина, Виктория Викторовна

ВВЕДЕНИЕ

ГЛАВА 1. ТЕОРЕТИКО-МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ПРОГНОЗИРОВАНИЯ И ПОДГОТОВКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ

1.1 Сущность прогнозирования в процессе принятия управленческих решений на промышленных предприятиях

1.2 Классификация методов прогнозирования и подготовки управленческих решений и периодизация этапов эволюции моделей прогнозирования

1.3 Анализ возможности применения и адаптации зарубежных моделей прогнозирования в условиях российской экономики переходного периода

ГЛАВА 2. МЕТОДИЧЕСКИЙ ИНСТРУМЕНТАРИЙ ПРОГНОЗИРОВАНИЯ И ПОДГОТОВКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ

2.1 Методика разработки модели прогнозирования состояния предприятия

2.2 Построение и тестирование модели прогнозирования состояния предприятия

ГЛАВА 3. РАЗРАБОТКА И ПРИМЕНЕНИЕ МЕХАНИЗМА ПРОГНОЗИРОВАНИЯ И ПОДГОТОВКИ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ НА ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЯХ СВЕРДЛОВСКОЙ ОБЛАСТИ

3.1 Разработка и применение управленческих методик по признакам управляемости прогнозным состоянием экономических субъектов

3.2 Место модели прогнозирования состояния предприятия для выработки элементов государственной экономической политики

Введение диссертации (часть автореферата) на тему «Разработка механизма прогнозирования и подготовки управленческих решений на промышленных предприятиях»

Актуальность темы исследования. Переход российских предприятий к рыночным отношениям был связан с их попаданием в зону хозяйственной неопределенности и повышенного риска. Получив право на самостоятельное заключение сделок, промышленные предприятия впервые столкнулись с проблемой оценки эффективности принимаемых управленческих решений и, что так же важно, с необходимостью оценки перспектив своего хозяйственного развития. В этих условиях на первый план выходит потребность в прогнозировании результатов деятельности, а также факторов внешней и внутренней среды.

Конечно, в России накоплен значительный опыт в области теории и практики прогнозирования экономического развития, результаты которого применялись в системе плановой экономики. Однако в большей степени этот опыт имеет отношение к макро-прогнозированию, в то время как в рыночных условиях предприятия нуждаются в методах стратегической диагностики.

В странах с развитой рыночной экономикой прогнозирование хозяйственной деятельности предприятий является предметом огромного числа исследований на протяжении более 40 лет. Сегодня зарубежные модели прогнозирования, особенно модели прогнозирования банкротств, широко применяются российскими экономистами. Однако прямое использование данных моделей для разработки стратегии российского предприятия может привести к существенным ошибкам. Поэтому для России крайне необходим механизм прогнозирования, который был бы разработан на базе российских предприятий и учитывал бы специфику российских условий хозяйствования.

Кроме того, в современной отечественной научной литературе объективно наблюдается недостаток собственных разработок в этой области. Методика Федеральной службы по финансовому оздоровлению, модели Казанского и Иркутского ВУЗов и ряда других авторов были созданы в период разработки закона «О несостоятельности» первой и второй редакции и поэтому они рассматриваются только лишь как инструмент признания предприятие банкротом и не имеют своей целью принятие решений по предупреждению несостоятельности.

Следовательно, российские промышленные предприятия, и не только находящиеся в группе риска несостоятельности, объективно нуждаются в особом механизме, который бы, с одной стороны, давал точную оценку текущего состояния и с определенной долей точности предсказывал будущее, а с другой стороны, обосновывал конкретные направления экономической политики и давал количественную оценку ее эффективности. Таким механизмом может и должно стать прогнозирование состояния хозяйствующей субъекта, которое должно быть воплощено в простой по интерпретации модели, а эта модель в свою очередь должна являться инструментом принятия эффективных управленческих решений.

Цель и задачи диссертационного исследования. Целью диссертационного исследования является разработка механизма прогнозирования и подготовки управленческих решений, включающего в себя прогнозную модель и управленческие методики, как инструмента управления устойчивым развитием промышленных предприятий.

Поставленная цель предполагает решение следующих задач:

1. Обосновать объективную необходимость построения специфической для России модели прогнозирования состояния промышленных предприятий.

2. Выработать принципы классификации существующих методов прогнозирования, эмпирически оценить возможность применения и адаптировать наилучшие зарубежные модели прогнозирования к российским условиям.

3. Раскрыть содержание «прогнозирования состояния предприятия» как экономической категории, уточнить теоретико-методологический подход к построению прогнозных моделей и применить его для разработки механизма прогнозирования состояния промышленных предприятий.

4. Установить причинно-следственные связи в хозяйственной деятельности промышленных предприятий, эмпирически отобрать наиболее значимые и чувствительные показатели, характеризующие хозяйственную деятельность предприятия, уточнить методики их расчета.

5. Определить области применения авторской прогнозной модели и управленческих методик и представить авторскую трактовку основных направлений повышения эффективности принимаемых управленческих решений в отношении промышленных предприятий.

Предмет и объект исследования. Предметом диссертационного исследования являются прогнозирование как функция управления, а также управленческие решения в целях предупреждения несостоятельности промышленных предприятий.

Объектом диссертационного исследования являются промышленные предприятия Свердловской области, сгруппированные в зависимости от решаемых задач управления их прогнозным состоянием.

Теоретико-методологическая и информационная основа исследования. Теоретической и методологической основой исследования послужили работы отечественных и зарубежных экономистов, законодательные и нормативные акты, регулирующие отношения в области реформирования предприятий. В работе использовались научные идеи и разработки отечественных и зарубежных ученых Э. Альтмана, Е. Анимицы, М. Баканова, А. Белькауи, С. Беляева, А. Гребенкина, JL Гупты, В. Дубровского, А. Димитраса, Д. Ендовицкого, В. Ковалева, Н. Ковалева, А. Куклина, Е. Лейтайнена, В. Мазурова, А. Мокроносова, Е. Негашева, Р. Сайфулина, Е. Стояновой, К. Хьютона, А. Шеремета и др.

Информационной базой исследования послужили материалы Государственного комитета Российской федерации по статистике, Министерства экономики и труда Свердловской области, Министерства промышленности Свердловской области, Союза машиностроительных предприятий Свердловской области, Научно-исследовательского института организации производства и экономики, публикации в отечественной и зарубежной литературе.

Научная новизна диссертационного исследования. В процессе исследования автором был получен ряд результатов, позволяющих определить научную новизну диссертационной работы:

1. Уточнена классификация методов прогнозирования и представлена пе-1* риодизация этапов эволюции моделей прогнозирования, наилучшая прогнозная модель адаптирована к российским условиям.

2. Построена авторская модель прогнозирования состояния промышленных предприятий как инструмента управления их устойчивым развитием, введено в научный оборот понятия «условно состоятельное предприятие» как критерия сравнения.

3. Предложена типология промышленных предприятий и отраслей, а также инвестиционного поведения по признакам управляемости прогнозным состоянием.

4. Представлены авторские управленческие методики - ситуационная мо

I» дель развития промышленных отраслей; модель инвестиционного поведения; модель адаптации поведения предприятий в условиях «слабых сигналов» экономического дисбаланса.

Теоретическая значимость диссертационного исследования заключается в развитии теории управления предприятиями в части принятия управленческих решений в условиях «слабых сигналов» дисбаланса экономики. Автором разработан и апробирован механизм прогнозирования, включающий прогнозную модель и управленческие методики.

Практическая значимость диссертационного исследования заключается в использовании результатов в качестве инструмента выработки концепции развития отраслей промышленности, разработки государственной политики по предупреждению банкротств, проведения мониторинга различными государственными органами и частными организациями. На уровне предприятия практическая значимость работы проявляется в возможности использования результатов в качестве инструмента стратегической диагностики и принятия эффективных финансовых и производственных решений.

Апробация диссертационного исследования. Основные положения и результаты диссертационной работы были использованы: в подготовке Областной программы развития дорожного и транспортного машиностроения Свердловской области до 2005 года; в разработке Схемы развития и размещения машиностроительного комплекса Свердловской области на период до 2015 года; в подготовке Областной инвестиционной программы «Увеличение производства новых видов продукции на основе технического перевооружения предприятий машиностроительного комплекса Свердловской области до 2005 года»; в процессе арбитражного управления на ряде несостоятельных предприятий Свердловской области; в учебном процессе подготовки специалистов в ВУЗах г. Екатеринбурга: лекции и практические семинары по курсам «Теория и практика финансового оздоровления предприятий», «Социально-экономическое прогнозирование», «Оценка бизнеса и антикризисное управление», «Финансовый и управленческий учет», «Управленческий анализ (контроллинг)»; в ходе выполнения НИР в научно-исследовательском институте организации производства и экономики; в ходе организации и проведения мониторинга состояния предприятий машиностроительного комплекса Свердловской области, проводимого Центром экономики машиностроения.

Основные положения диссертации были доложены и обсуждены на 12 научно-практических конференциях, нашли отражение в 19 публикациях, в том числе в 3 методических разработках. Общий объем публикаций по теме диссертации составляет 28,8 п.л., в том числе автора 20,9 п.л.

Структура диссертационной работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и приложений. Общий объем диссертации составляет 203 страницы, список использованной литературы содержит более 200 источников. 4 Во введении обоснована актуальность диссертационной работы, опреде

Заключение диссертации по теме «Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда», Акбердина, Виктория Викторовна

В условиях агрессивности внешней и изменчивости внутренней среды предприятия возрастает потребность в прогнозировании результатов деятель ности и оценки факторов, характеризующих среду. Оптимальность принимае мых решений в значительной мере определяется степенью осведомленности руководства о фактически существующих и назревающих угрозах внутри и во вне предприятия.Предприятия, и не только находящиеся в группе риска несостоятельно сти, объективно нуждаются в особом механизме, который бы давал точную оценку текущего состояния предприятия, с определенной долей точности пред сказывал бы будущее финансовое положение, а также давал бы конкретные на правления экономической политики и количественную оценку этой политики.Таким механизмом может и должно стать прогнозирование состояния хозяйст вующей системы, воплощенное в простой по интерпретации математической модели, которая являлась бы инструментом принятия эффективных управлен ческих решений.Механизм прогнозирования и подготовки управленческих решений, включающий в себя модель прогнозирования и управленческие методики, по зволяет оценить вероятности угроз, выработать направления экономической политики, составить план мероприятий по реализации данной политики и, на конец, оценить эффективность принимаемых решений. Это позволяет говорить о возможности решений вопросов управления промышленными предприятиями комплексным путем.В настоящем диссертационном исследовании ставилось целью разрабо тать механизм прогнозирования и подготовки управленческих решений, вклю чающего в себя прогнозную модель и управленческие методики, как инстру мента принятия эффективных управленческих решений на промышленных предприятиях.В работе автором научно обоснована правомерность рассмотрения инст рументария прогнозирования в качестве комплексного подхода к управлению промышленными предприятиями и доказана объективная необходимость раз работки специфической для российских условий модели прогнозирования со стояний предприятий.Результатом диссертационного исследования стала формулировка целого ряда положений, являющихся приращением научных знаний, и разработка методологических рекомендаций для применения результатов исследования на практике.1. Уточнена классификация методов прогнозирования и представлена периодизация этапов эволюции моделей прогнозирования, наилуч шие прогнозные модели адаптированы к российским условиям.Прогнозирование состояния предприятий в условиях рыночной экономи ки как самостоятельная проблема возникла в развитых странах (в первую оче редь, в США и Западной Европе) после окончания второй мировой войны. Пер вые серьезные попытки разработать эффективную методику прогнозирования состояния предприятий относится к 60-м годам и связаны с развитием матема тических методов и компьютерной техники.Теория прогнозирования в системе управления имеет 40-летнюю ис тории, что позволяет, во-первых, определенным образом склассифициро вать существующие модели, а во-вторых, провести периодизацию этапов эволюции.Традиционно в экономической литературе выделяют две группы методов прогнозирования будущего положения предприятия - количественные и каче ственные методы, однако их определение дается недостаточно полно. Как пра вило, принципом классификации выступает исходная информация, используе мая аналитиком для формирования мнения. Количественными методами явля ются методы, принимающие в расчет преимущественно количественные фи нансовые показатели, а качественные методы - это методы, ориентированные на качественные, в большей мере нефинансовые показатели. Однако, по мне 180 нию автора, ключевым моментом в классификации методов прогнозирования должен стать управленческий аспект: на сколько каждый конкретный метод подходит для выработки управленческих решений.В этой связи автор предлагает уточнить классификацию методов прогно зирования следующим образом. Под количественными методами нрогнози рования понимаются только математические методы, являющиеся инструмен том количественной оценки текущего состояния предприятия, в то время как качественными методами прогнозирования являются логические эксперт ные методы, представляющие собой инструмент стратегической диагностики, на основании которой осуществляются эффективные финансовые и производ ственные решения. В результате проведенного авторов исследования 75 зару бежных и отечественных моделей прогнозирования был сделан вывод, что на предприятии должны одновременно присутствовать как количественные, так и качественные методы прогнозирования.Эволюция методов прогнозирования происходит от наиболее простых (однокритериальные методы) к наиболее сложным и комплексным методам (нейронные сети и экспертные системы), то есть от количественных методов к качественным.Использование сложных математических методов стало революцией в теории управления. Однако модели, построенные на основе количественных методов, часто ориентировались лишь на имеющиеся данные, которые не отра жали адекватным образом производственную цепочку и финансовые потоки, в результате чего возникала опасность образования «кладбища цифр» с весьма низкой информационной ценностью. Вторым этапом в эволюции методов про гнозирования стала разработка в 80-х гг. первых управленческих экспертных систем, которые, будучи построенными с использованием математических ме тодов, саморегулировались с помощью сигналов обратной связи и требовали постоянного участия менеджмента. Сегодня качественные методы прогнозиро вания состояния предприятия являются самостоятельным направлением в тео рии прогнозирования, используемой для управления.Зарубежные исследования прошли оба этапа развития прогнозирования как инструмента принятия управленческих решений. В современной России оба этапа реализуются одновременно: традиционно используются простые количе ственные методы прогнозирования (однокритериальный метод, дискриминант ный и логистический анализ), однако все больше возрастает потребность в применении сложных качественных методов прогнозирования, ориентирован ных на управленческий аспект.Таким образом, в диссертационной работе автором уточнена классифика ция методов прогнозирования с учетом управленческого аспекта и дана перио дизация этапов эволюции моделей прогнозирования как инструмента принятия управленческих решений. Данные положения диссертации позволяют опре делить оптимальные методы прогнозирования для использования на про мышленных предприятиях в России.Как уже отмечалось, прямое воспроизведение зарубежных моделей про гнозирования в российских условиях может привести к серьезным ошибкам, поэтому крайне необходимо адаптировать данные модели перед их непосредст венным использованием в российских условиях. Различные модели прогнози рования разработаны авторами на основе данных каждой страны, поэтому осо бенности развития экономики в каждой стране наложили определенный отпе чаток на модели прогнозирования (различные принципы, допущения, правила

классификации). На основании этого можно говорить о национальных или хотя бы о территориальных моделях прогнозирования.В диссертационной работе автором проведено эмпирическое исследо вание, целью которого было сравнение различных территориальных мо делей прогнозирования между собой по одной эмпирической базе (100 про мышленных предприятий Свердловской области), поиск и адаптация наи лучшей прогнозной модели. В анализ были включены четыре модели: модель Альтмана (США), модель Охе-Вербаера (Бельгия), модель Кизи-МакГуиннесса

(Великобритания) и модель Охе-Джуса-ДеВоса (Бельгия), которые используют классические количественные методы прогнозирования. На основании прове денного эмпирического исследования автором был сделан следующий вывод: для российских предприятий наилучшей прогнозной моделью является европейская модель Охе-Вербаера (1982, Бельгия), а наихудшей - модель Альтмана (1968, США), так широко применяемая в России. Кроме того, было установлено влияние обучающей выборки страны происхождения модели на ее результат для российских предприятий.Также в ходе исследования была произведена адаптация наилучшей прогнозной модели (модели Охе-Вербаера) к российским условиям, то есть были установлены новые параметры модели для использования ее в России.2. Построена авторская модель прогнозирования состояния промыш ленных предприятий как инструмента принятия эффективных управленческих решений, введено в научный оборот понятия «ус ловно состоятельное предприятие» как критерия сравнения.Исследования показали, что наиболее актуальным в настоящее время яв ляется построение модели прогнозирования состояния промышленных пред приятий на базе российских предприятий, на основании которой были бы раз работаны управленческие методики. С этой целью автором была применена ме тодика построения прогнозных моделей, которая заключается в следующих этапах.1) Определение понятий, характеризующих различные состояния пред приятия. Крайними точками в спектре финансово-экономического положения предприятий являются «экономическое банкротство» и «экономическая устой чивость». В российском законодательстве термины «несостоятельность» и «банкротство» являются синонимами, что значительно упрощает использова ние этих понятий как в арбитражной практике, так в экономическом обороте.Однако, по мнению автора, вызывает сомнения адекватность законодательного определения «несостоятельности» самой экономической и правовой сущности этого понятия. Поэтому в настоящем исследовании в качестве «несостоятель ных предприятий» принимаются в расчет не официально признанные банкро тами предприятия, а предприятия, имевшие наихудшие результаты дея 183 тельности и крайне неудовлетворительное финансовое состояние в течение ряда лет.2) Определение генеральной совокупности и составление выборки. В ка честве объекта исследования при построении модели прогнозирования высту пает машиностроительный комплекс Свердловской области. Обосновывая причину данного выбора, необходимо отметить, что именно развитие машино строения как капиталообразующего и наукоемкого комплекса должно во мно гом определить производственный потенциал области и сориентировать его на экономический рост. В диссертационной работе приводиться анализ состояния машиностроительного комплекса Свердловской области, проведенный автором в ходе разработки ряда областных стратегических программ развития отрасли.В анализ были включены такие предприятия как ОАО «Уралмаш», ОАО «Тур бомоторный завод», ОАО «Уралхиммаш», ОАО «Уралэлектротяжмаш», ОАО «Стройдормаш», ОАО «Пневмостроймашина», ОАО «Сухоложский механиче ский завод», ОАО «Дормаш», АООТ «Ирбитский мотоциклетный завод», АО ОТ «Ирбитский автоагрегатный завод» и другие.В выборку для разработки модели прогнозирования вошли 50 предпри ятий машиностроительного комплекса Свердловской области. Общая вы борка предприятий состоит из двух групп - подвыборка из 25 состоятельных предприятий и подвыборка из 25 несостоятельных предприятий, согласно оп ределению «несостоятельности», даваемого автором.3) Деление выборки на обучающую и тестирующую. На основании обу чающей выборки (40 предприятий) была построена авторская модель прогнози рования, а на основании тестирующей (10 предприятий) - проверены ее про гнозные качества.4) Отбор показателей, включаемых в модель на основании обучающей выборки предприятий. Для построения авторской модели прогнозирования было проведено эмпирическое исследование информационного поля финан сово-экономических показателей. Целью исследования показателей явилось их эмпирическое тестирование на предмет чувствительности к изменениям по ложения предприятия. Автором было исследовано 56 показателей, разделенных на две группы - группа, характеризующая результаты деятельности предпри ятии, и группа, характеризующая имущество и обязательства предприятия, а также основной производственный капитал и реальные годовые инвестиции.Кроме того, в ходе эмпирического исследования автором были установ лены основные закономерности хозяйствования промышленных предпри ятий и оценена степень влияния существенных факторов на результаты деятельности.Отобранные эмпирическим путем 15 показателей вошли в авторскую мо дель прогнозирования состояния промышленных предприятий.5) Определение метода прогнозирования и запись модели. Модель про гнозирования состояния предприятий, предлагаемая в настоящем диссертаци онном исследовании, строиться на основе метода сравнительной рейтинго вой оценки состояния.6) Проверка прогнозных качеств модели на основании тестирующей вы борки предприятий.Главной целью модели прогнозирования является определение вероят ности наступления несостоятельности предприятия и разработка эффективной экономической политики. Авторская модель является динамической и состоит из трех подмоделей - модели для 1, 2 и 3 прогнозных лет, что позволяет про гнозировать состояние предприятия за 1, 2 и 3 года до наступления неблагопри ятных событий.Значение модели Ri = R2 = R3 = 1 выбрано в качестве значения модели прогнозирования для «условно состоятельного предприятия». Под условно со стоятельным предприятием понимается предприятие, имеющее все значения прогнозных показателей на уровне критических. Это значение, в свою очередь, является точкой отсечения для всей модели, на основании которой будет да ваться прогноз относительно будущего состояния предприятия. Будущее со стояние с оценкой R < 1 характеризуется как неудовлетворительное, а само предприятие как несостоятельное в интерпретации, даваемой автором.Особенностью данной модели является то, что она позволяет делать вы воды и давать рекомендации не только во времени (для заблаговременного пре дупреждения несостоятельности за 1, 2 и 3 года), но и в пространстве (по кругу предприятий для сравнения) - что крайне важно для оценки объектов инвести рования или оценки заемш,иков. Она учитывает значимость отдельных показа телей при расчете рейтинговой оценки по отношению к условно состоятельно му предприятию.Таким образом, авторская модель прогнозирования состояния предпри ятий является универсальной и может быть использована для проведения срав нительной пространственной оценки (по кругу предприятий) и динамической оценки (во времени за ряд предстоящих лет). Пользователями модели высту пают как субъекты, рассматривающие альтернативы вложения средств (инве сторы), так и субъекты, принимающие управленческие решения в отношении предприятия - руководство, кредиторы, собственники.3. Предложена типология промышленных предприятий и отраслей, а также инвестиционного поведения по признакам управляемости прогнозным состоянием. Описаны авторские управленческие мето дики:

3.1 Ситуационная модель развития промышленных отраслей;

3.2 Модель инвестиционного поведения;

3.3 Модель адаптации поведения предприятий в условиях «слабых сиг налов» экономического дисбаланса.Типология промышленных предприятий и отраслей, а также инвестици онного поведения основана на применении авторской модели прогнозирования состояния предприятия для трех прогнозных лет. Как уже отмечалось, данная модель является инструментом стратегической диагностики, который позволяет выработать стратегию развития предприятия, разработать бизнес-план, коррек тировать его содержание в ходе реализации стратегии и оценивать эффектив ность принимаемых управленческих решений.Авторская методика разработки эффективных управленческих ре шений в отношении промышленных предприятий и отраслей заключается в следующем. На основании модели прогнозирования рассчитываются агрегиро ванные показатели для трех прогнозных лет. Модель каждого прогнозного предполагает качественный критерий эффективности управленческих решений (например, для предприятий это потенциал роста оборотных средств, потенци ал увеличения собственных источников финансирования, потенциал положи тельного эффекта масштаба). На основании значений модели и значения каче ственного критерия производится типологизация предприятий, отраслей и ин вестиционного поведения по признаку управляемости прогнозным состоя нием, определяется цель управленческих решений, разрабатываются мероприя тия и оценивается эффективность этих мероприятий.Таким образом, увидев в текущем периоде будущее состояние предпри ятия, можно разработать эффективную политику по предупреждению несостоя тельности в случае, если по результатам прогнозирования выяснилось, что че рез 2-3 года предприятие станет несостоятельным, или программу антикризис ных мероприятий в случае, если уже в текущем (отчетном) периоде предпри ятие является экономическим банкротом.В диссертационной работе автором разработано методическое обоснова ние следующих управленческих моделей: • ситуационная модель развития промышленных отраслей; • модель инвестиционного поведения; • модель адаптационного поведения предприятий в условиях «слабых сигналов» экономического дисбаланса.Ситуационная модель развития промышленных отраслей Суть данной управленческой методики заключается в следующем. Значе ния модели прогнозирования рассчитываются по усредненному предприятию отрасли на предстоящие три года. Модель каждого прогнозного года имеет по роговое значение, равное 1, соответствующее положению условно состоятель 187 ной отрасли. Различные комбинации значений модели позволяют сделать за ключение об экономических перспективах развития отрасли.В этой связи, различаются «легко прогнозируемые отрасли» и «трудно прогнозируемые отрасли». Легко прогнозируемым отраслям соответствуют последовательные изменения значений модели для каждого прогнозного года, в то время как для трудно прогнозируемых отраслей значения рейтинговой мо дели колеблются в течение трех прогнозных лет. На основании проведенной типологии отраслей разрабатывается концепция развития отрасли на перспек тиву.Данная управленческая методика была успешно применена в ходе разра ботки Областной программы развития подотрасли дорожного и транс портного машиностроения Свердловской области до 2005 года. Положение подотрасли дорожного и транспортного машиностроения определяется Ситуа цией 5 (Ri = 0,9 < 1, RT = 0,9 < 1, R3 = 2,0 > 1), то есть в течение 1-2 прогнозных лет подотрасль будет характеризоваться как условно состоятельная, а на третий прогнозный год ожидается существенное улучшение финансово экономической ситуации на предприятиях подотрасли, что связано в первую очередь с отдачей от инвестиций, произведенных в текущем анализируемом периоде (в 2000 году).Модель инвестиционного поведения Оценивая перспективы того или иного проекта, инвестор всегда учитыва ет стабильность, степень устойчивости отдельных факторов и всего прогноза.Как правило, он готов пожертвовать частью ожидаемой прибыли от проекта в целом для улучшения надежности его прогноза относительно размеров ожи даемой прибыли, особенно на ранних стадиях разработки, сроков реализации проекта и других вероятностных параметров. В этом отражается устойчиво от рицательное отношение инвесторов к риску. В этой связи, ключевое значение приобретает контроллинг инвестиционных решений, а именно прогнозирование будущего состояния и развития объекта капиталовложений.в этом отношении для типологии инвестиционного поведения автором предлагается использование модели 2 и 3 прогнозных лет, которые характери зуют финансовую устойчивость, основной производственный капитал и реаль ные годовые инвестиции. Поскольку в данном случае речь идет не о спекуля тивных, а о стратегических инвесторах, для которых характерно консерватив ное поведение (удовлетворительная доходность при минимальном риске), то для них значения моделей Кг и Кз должны быть всегда больше единицы.Однако, в зависимости от инвестиционной стратегии варианты сочетания значений моделей и характер изменения чистой приведенной стоимости (NPV) будут существенно отличаться. Автором предлагаются три основных типа инвестиционной стратегии.Помимо применения для определения варианта инвестирования, предла гаемая модель прогнозирования может быть использована для сравнения двух и более объектов капиталовложений. В этом случае должна применяться формула только для 3 прогнозного года.Таким образом, применение управленческой модели прогнозирования состояния объекта инвестирования как вспомогательного инструмента при нятия инвестиционных решений является теоретически обоснованным практи чески востребованным. Данная модель позволяет не только определить буду щий статус объекта инвестирования, но и сравнить различные объекты между собой по степени готовности к капиталовложениям.Модель адаптационного поведения предприятий в условиях «слабых сигналов» экономического дисбаланса На основании значений моделей для трех прогнозных лет и значения ка чественного критерия эффективности управления производится типология предприятий, определяется цель управленческих решений, разрабатываются мероприятия и оценивается эффективность этих мероприятий.Модель 1 прогнозного года ориентирована в большей степени на теку щую ликвидность и платежеспособность предприятия. Поэтому основным кри 189 терием выработки управленческих решений в течение первого года будет по тенциал роста оборотных средств предприятия. Под потенциалом роста обо ротных средств понимается возможность предприятия в течение одного года нарастить ликвидные оборотные средства (денежные средства, легко реализуе мые запасы, ликвидная дебиторская задолженность) для погашения наиболее срочных обязательств (кредиторская задолженность).В основу модели 2 прогнозного года заложены вопросы, связны с финан совой устойчивостью. Она в большей степени ориентирована на решение задач, касаюш;ихся наращивания собственных оборотных средств и мобильности соб ственного капитала. Критерием выработки управленческих решений в данном случае будет являться потенциал роста собственных источников финансирова ния предприятия. Под потенциалом роста собственных источников финансиро вания понимается возможность ведения производственной деятельности без привлечения дополнительных заемных средств и образования задолженности.Модель 3 прогнозного года ориентирована на характеристику производ ственного капитала, технологию производства и инвестиции. Критерием при ятия эффективных управленческих решений в данном случае является потенци ал роста эффекта масштаба. Под этим понимается положительная отдача от ка ждого дополнительного рубля инвестиций в основные средства, нематериаль ные активы, незавершенное строительство и запасы. Положительный эффект масштаба свидетельствует о возможности расширения производства и наращивания объемов выпускаемой продукции.Предлагаемая методика выбора целей реформирования и выработки ос новных направлений политики для каждого типа предприятия позволяет также оценить влияние и качество принимаемых решений. На основании рассчи танных значений Ri, Кг и Кз формируются цели и способы реализации этих це лей, документальным воплощением которых становиться бизнес-план. Для прогнозной отчетности в бизнес-плане рассчитываются новые значения Ki, Кг и Кз и делается заключение о влиянии тех или иных принимаемых решений на прогнозный статус предприятия - состоятельное или несостоятельное.Таким образом, данная управленческая методика являться эффективным инструментом производственного и финансового контроллинга на предприятии и применяться для следующих случаев: • оценки текущего положения предприятия и мониторинг будущего состоя ния предприятия; • выработки стратегических целей развития предприятии оперативных ме роприятий по повышению эффективности работы и адаптация их к изме няющимся условиям внешней среды; • разработки краткосрочных и среднесрочных бизнес-планов, контроль их исполнения и корректировка содержания и сроков; • оценки принимаемых решений в краткосрочной и среднесрочной перспек тиве.Данная управленческая методика использовалась на ряде предприятий в ходе их финансового оздоровления.Помимо этого, областями применения модели прогнозирования состоя ния промышленных предприятий и управленческих методик могут быть раз личные государственные органы, осуществляющие контроль и мониторинг стратегических отраслей, социально- и экономически значимых объектов (Цен тральный Банк Российской Федерации, Федеральная служба по финансовому оздоровлению и др.), а также организации и учреждения финансовой инфра структуры при реализации собственной экономической политики в отношении клиентов и их партнеров (страховые организации, аудиторские фирмы, биржи и т.д.). В диссертационной работе автором подробно рассмотрены эти области применения.

Список литературы диссертационного исследования кандидат экономических наук Акбердина, Виктория Викторовна, 2002 год

1. Abdel-Khlik A.R., El-Sheshai К.М. 1.formation choice and utilisation in an experiment on default prediction// Journal of Accounting Research. - 1980.- 18(2), Autumn. P. 325-342.

2. Allison P. Event History Analysis. Regression for longitudinal event data, Thousand Oaks, CA: Sage, 1984, 215 p.

3. Altman E.I. Corporate finance distress, John Wiley and Sons, New York, 1983.

4. Altman E.I. The success of business failure prediction models, an international survey // Journal of Banking and Finance. 1984. - Vol. 8. № 2, P. 171-198.

5. Belkaoui A. Human information processing in accounting, Westprot, CT: Greenwood Press, 1989, 257 p.

6. Bouwman M. Human diagnostic reasoning by computer: An illustration from financial analysis // Management Science. 1983. - Vol. 29, № 6, P. 653-672.

7. Breiman L., Friedman J.H., Olsen R.A., Stone C.J. Classification and regression trees. The Wadsworth statistics / probability series, Wadworth & Books / Cole Advanced Books & Software, Pacific Grove, California.

8. Casey M., McGee V., Stinkey С. Discriminating between reorganized and liquidated firms in bankrubtcy 11 The Accounting Review. 1986. - April, P. 249-262.

9. Cox D.R., Oakes D. Analysis of survival data, Chapman and Hall, London.

10. Cronan T.P., Glorferd L.W., Perry L.G. Prediction system development for expert system using a recursive partitioning induction approach: An application to mortgage, commercial, and consumer lending // Decision Science. -1991.-Vol. 22, P. 812-845.

11. Deakin E.B. A disciminant analysis of predictors of business failure // Journal of Accounting Research. 1972. - Spring, P. 167-179.

12. Dimitras A.I., Zanakis S.H., Zopounidis C. A survey of business failure with an emphasis on prediction methods and industrial application // European Journal of Operational research. 1996. - 90, P. 487-513.

13. Duchesi P., Belardo S. Lending analysis support system (LASS): An application of knowledge-based system to support commercial loan analysis // IEEE transaction on System, Man and Cybernetics. 1987. - Vol. SMC-17, № 4, P. 608-616.

14. Dutta S., Shekhar S. Generalization with neural networks: An application in the financial domain // Journal of Information Science and Technology. 1992. - Vol. 1, № 4, July, P. 309-330.

15. Eisenbeis R.A. Problems in applying disciminant analysis in credit scoring models // Journal of Banking and Finance. 1978. - 2, P. 205-219.

16. Elam E. The effect of lease data on the predictive ability of financial ratios // The Accounting Review. 1975. - 2, P. 15-43.

17. Elmer P.J., Borowski D.M. An expert system approach to financial analysis: the case of S&L bankruptcy // Financial Management. 1988. - Autumn, P. 66-76.

18. Frydman H., Altman E.I., Kao D-L. Introducing recursive partitioning for financial classification: The case of financial distress // The Journal of Finance. 1985.-Vol. XL, P. 269-291.

19. Gilbert L.R., Menon K., Schwartz K.B. Predicting bankruptcy for the firm in financial distress // Journal of Business Finance and Accounting. -1990.- 17 (1),P. 161-171.

20. Gloubos G., Grammatokos T. The success of bankruptcy prediction models in Greece // Studies in Banking and Finance. 1988. Vol 7, P. 37-46.

21. Grammatikos Т., Gloubos G. Predicting bankruptcy of industrial firms in Greece // Spoudai, the University of Piraeus Journal of Economics, Business, Statistics and Operations Research. 1984. - Nos 3-4, P. 421-443.

22. Groblowsky B.J., Talley W.K. Probit and discriminant factors for classifying credit applicants // Journal of Economics and Business. 1981. 33, P. 254-261.

23. Guiarati D.N. Basic Econometrics, Second edition, McGraw-Hill Book Co., Singapore, 1989.

24. Gupta L.C. Financial ratios for monitoring corporate sickness: towards a more systematic approach, Oxford University Press, Delhi, 1989.

25. Houghton K.A., Woodliff D.R. Financial ratios: the prediction of corporate "success" and failure// Journal of Business Finance and Accounting1987. 14(4) (Winter), 588 p.

26. Jones F. L. Current techniques in bankruptcy prediction // Journal of Accounting Literature. 1987. - Vol. 6, P. 131-164.

27. Joy O.M., Tollefson J.O. On the financial application of disciminant analysis // Journal of Financial and Quantitative Analysis. 1975. - December, P. 723-739.

28. Keasey K., McGuinness P. The failure of UK industrial firms for the period 1976-1984, logistic analysis and entropy measures // Journal of Business Finance and Accounting. 1990. - 17 (1), P. 119-135.

29. Keasey K., McGuinness P., Short H. Multilogit approach to predicting corporate failure Further analysis and the issue of signal consistency // Omega. 1990.-Vol. 18, № 1,P. 85-94.

30. Keasey K., Watson R. Non-fmancial Symptoms And The Prediction Of Small Company Failure: A Test Of Argenti's Hypotheses // Journal of Business and Accounting. 1987. - 14 (3) Autumn, P. 351-389.

31. Keasy K., Watson R. Financial distress prediction models: A review of their usefulness // British Journal of Management. 1991. - Vol. 2, P. 89-102.

32. Koh H.C. The sensitivity of optimal cut-off points to misclassification costs of type 1 and type 2 errors in the going concern prediction context// Journal of Business Finance and Accounting. 1992. - vol. 19. - N 2. - P. 187197.

33. Laitinen E.K. Financial predictors for different phases of the failure process // Omega. 1993. - Vol. 21, № 2, P. 215-228.

34. Laitinen E.K. Prediction of failure of a newly founded firms // Journal of business Venturing. 1992. - 7, P. 323-340.

35. Laitinen Т., Kankaanpaa M. Comparative analysis of failure prediction methods: the Finnish case// The European Accounting Review. 1999. - vol. 8.-N l.-P. 67-92.

36. Lane S. Submarginal credit risk classification // Journal of Financial and Quantitative Analysis. 1972.-7, P. 1379-1386.

37. Lau A.H.L A five-state financial distress prediction model // Journal of Accounting Research. 1987. - Vol. 25, № 1, P. 127-138.

38. Luoma M., Laitinen E.K. survival analysis as a tool for company failure prediction // Omega. 1991. Vol. 19, № 6, P. 673-678.

39. Martin D. Early warning of banking failure. A logit regression approach // Journal of Banking and Finance. 1977. - 1, P. 249-276.

40. Mensah Y. An examination of the stationarity of multivariate bankruptcy prediction models: A methodological study // Journal of Accounting Research. 1971.-22(1), P. 380-395.

41. Messier W.F., Hansen J.V. Including rules for expert system development: An example using default and bankruptcy data // Management Science.1988. Vol. 34, № 12, P. 1403-1415.

42. Meyer P. A., Pifer H.W. Prediction for bank failure // Journal of Finance. 1970.-25, P. 853-868.

43. Michalopoulos M., Zopounidis С. An expert system for the assessment of the bankruptcy risk, in Papathanassiou B. ad Paparizos K. (eds.), Proceeding of 2nd Balkan Conference on Operational Research. 1993. - 151-163.

44. Moscarola J., Roy B. Procedure automatique d'examen de dossiers fon-dee sur une segmentation trichotomique en presence de criteres multiples // RIARO Recherche Operationelle. 1977. - 11. № 2, P. 145-173.

45. Moyer R.C. Forecasting financial failure: A re-examination // Financial Management. 1977. - Spring. - P. 11-17.

46. Ohlson J.A. Financial ratios and the probabilistic prediction of bankruptcy // Journal of Accounting Research. 1980. - Spring, P. 109-131.

47. Ooghe H., Claus H., Sierens N., Camerlynck J. International comparison of failure prediction models from different countries: an empirical analysis// Working paper, Department of Corporate Finance, University of Ghent, Belgium, 1999, 46 p.

48. Patuwo E., Hu M.Y., Hung M.S. Two group classification using neural networks // Decision Support System. 1993. - Vol 24, № 24, P. 825-845.

49. Peel M.J. Timeliness of private company reports predicting corporate failure // Investment Analysis. 1987. - 83, P. 23-27.

50. Peel M.J., Peel D.A. Some further empirical evidence on predicting private corporate failure // Accounting and Business Review. 1987. - Vol. 18, № 69, P. 57-66.

51. Pinson S. A multi-expert architecture for credit risk assessment: the CREDEX system // Expert Systems in Finance, D.E. O'Leary and P.R. Wat-kins (Eds.), Elsevier Science Publisher B.V., P. 37-64.

52. Pinson S. Credit risk assessment and meta-judgment // Theory and Decision. 1989. - 27, P. 117-133.

53. Piatt H.P., Piatt M.B. Development of a class of stable predictive variables: the case of bankruptcy prediction // Journal of Business Finance and Accounting. 1990.- 17 (1), P. 31-51.

54. Salchenberger L.M., Cinar E.M., Lash N.A. Neural networks: a new tool for predicting thrift failures // Decision Science. 1992. - Vol. 23, P. 899916.

55. Santomero A.M., Vinso J.D. Estimating the probability of failure for commercial banks and banking system // Journal of Banking and Finance. -1977.- 1, P. 185-205.

56. Scott E. On the financial application of disciminant analysis: Comment // Journal of Financial and Quantitative Analysis. 1978. - 13, P. 201-205.

57. Scott J. The probability of bankruptcy: A comparison of empirical prediction and theoretical models // Journal of Banking and Finance. 1981.-5, P. 317-344.

58. Serrano-Cinca C. Shelf organizing neural networks for financial diagnosis // Decision Support Systems. 1996. - 17, P. 227-238.

59. Show M.J., Gentry J.A. Using an expert system with inductive learning to evaluate business loans / Financial Management. 1988. - 17/3, P. 45-56.

60. Simons R. Level of control how managers use innovative control system to drive strategic renewal. - Boston. - 1995.

61. Srinivasan V., Kim Y.H. Designing expert financial systems: A case study of corporate credit management // Financial Management. 1988. - Autumn. P. 32-44.

62. Steele A. Going concern qualifications and bankruptcy prediction// Working paper presented at doctoral workshop Leuven on March 2, 1995.

63. Taffler R.J. Empirical models for the monitoring of UK corporations // Journal of Banking and Finance. 1984. - 2, P. 199-227.

64. Taffler R.J. Forecasting company failure in the UK using disciminant analysis and financial ratios data // Journal of the Royal Statistical Society, Series A (general). 1982/ - Vol. 145, Part 3, P. 342-358.

65. Tamari M. The use a bankruptcy forecasting model to analyze corporate behavior in Israel // Journal of Banking and Finance. 1984. — 8, P. 293-302.

66. Tennyson B.N., Ingram R.W., Dugan M.T. Assessing the information content of narrative disclosure in explaining bankruptcy // Journal of Business Finance and Accounting. 1990. - 17 (3), P. 391-410.

67. Theodossiou P. Alternative models for assessing the financial condition of business in Greece // Journal of Business Finance and Accounting. 1991. -18 (5), P. 697-720.

68. Vernimmen P. Panorama de recherches portant sur le пБциё du crean-cier// Analyse Financiere. 1978. - 1, P. 54-61.

69. Vranas A.S. The significance of financial characteristics in predicting business failure: an analysis in the Greek context // Foundations of Computing and Decision Science. 1992. - vol. 17, № 4, P. 257-275.

70. Wilcox J.W. A simple theory of financial ratios as predictors of failure // Journal of Accounting Research. 1971. - Autumn, P. 389-395.

71. Wilson R.L., Sharda R. Bankruptcy prediction using neural networks // Decision Support System. 1994. - 11, P. 545-557.

72. Zavgren C.V. Assessing the vulnerability to failure of American industrial firms. A logistic analysis //Journal of Business Finance and Accounting. -1985. 12 (1), P. 19-45.

73. Zavgren C.V. The prediction of corporate failure: The state of the art //Journal of Financial Literature. 1983. - Vol. 2, P. 1-37.