Оценка финансовой устойчивости промышленного предприятия

УДК 336.6

Н.В. Набережный, инженер, Старооскольский технологический институт, Старый Оскол, Россия;

И.А. Понкратова, доцент, к.э.н., Старооскольский технологический институт, Старый Оскол, Россия;

Н.В. селютина, старший преподаватель, Старооскольский технологический институт, Старый Оскол, Россия;

О.А. Новикова, ассистент, к.э.н., Старооскольский технологический институт, Старый Оскол, Россия.

Оценка финансовой устойчивости промышленного предприятия

При устранении негативных тенденций экономического развития, в целях повышения стабильности деятельности предприятия, необходимо сконцентрировать внимание на обеспечении устойчивого развития. Составной частью устойчивости предприятия является финансовая устойчивость, которая определяет стабильность его финансового положения. Целью данного исследования является анализ финансовой устойчивости промышленного предприятия с использованием корреляционно-регрессионного метода.

Ключевые слова: финансовая устойчивость, платежеспособность организации, финансовый анализ, корреляционно- регрессионный анализ

Введение. В современных условиях рынка любое предприятие должно уделять вопросу финансов особое внимание. Чтобы управлять финансами эффективно, предприятию необходимо систематически проводить финансовый анализ. Цель финансового анализа - комплексное изучение финансового состояния организации и влияющих факторов, которое дает возможность прогнозировать уровень доходности капитала и выявлять возможности повышения эффективности ее функционирования.

Анализ литературы. Проблеме финансовой устойчивости посвящены труды таких зарубежных авторов, как Ю. Бригхем и Л. Гапенски, Дж.К. Ван Хорн, Б. Калласс и российских ученых И.А. Бланка, В.В. Ковалева, Е.С. Стояновой, А.Д.Шеремета и других.

Постановка проблемы. Проведение многомерных статистических исследований, в частности корреляционно-регрессионного анализа, невозможно без массовых наблюдений. В этой связи в результате обработки ежеквартальных отчетов проведен корреляционно-регрессионный анализ финансовой устойчивости промышленного предприятия за 16 отчетных периодов. В качестве отчетного периода будет выступать квартал.

В качестве результативного показателя (Y) примем степень платежеспособности организации по текущим обязательствам, рассчитываемую по формуле (1). Положительным является ситуация, когда значение показателя имеет тенденцию к снижению, критическое значение - до 3 месяцев.

СП = КО / Вср (1)

где СП - степень платежеспособности, мес.; КО - краткосрочные обязательства, тыс. руб.; Вср - среднемесячная выручка от реализации продукции, тыс. руб.

В качестве показателей-факторов, потенциально влияющих на степень платежеспособности, использованы ключевые финансовые коэффициенты и абсолютные величины, поиск и расчет которых возможно осуществить на основании публичной финансовой отчетности [1]. Среди них нами выделены:

- коэффициент рентабельности продаж (Х₁), который рассчитывается по формуле:

Rпродаж = ЧП/Выручка

где ЧП - чистая прибыль, тыс. руб.

- коэффициент обеспеченности собственными оборотными средствами (Х₂), рассчитывается по формуле:

Косос =

где СОС - собственные оборотные средства, тыс. руб.; ОбА - оборотные активы, тыс. руб.

- коэффициентфинансовой устойчивости (Х₃), который рассчитывается по формуле:

где СК - собственный капитал, тыс. руб.; ДЗК - долгосрочный заемный капитал, тыс. руб.; ВБ - валюта баланса, тыс. руб.

- коэффициент соотношения собственного и заемного капитала (Х₄), рассчитываемый по формуле:

где ЗК - заемный капитал (долгосрочный и краткосрочный), тыс. руб.

- коэффициент текущей ликвидности (Кт.л.) (Х₅), рассчитываемый по формуле:

К =

- коэффициент финансовой зависимости (Х₆), который рассчитывается по формуле:

- коэффициент финансовой независимости (Х7), рассчитываемый по формуле:

Исходные данные для проведения стохастического факторного анализа представлены в таблице 1.

Таблица 1 - Исходные данные для проведения анализа

Период

Степень

платеж-ти

(Y), мес.

Rпродаж

(Х1)

Косос,

(Х2)

Кфин.уст.

(Х3)

Ксоот.СК,ЗК

(Х4)

Кт.л.

(Х5)

Кфин. зав.

(Х6)

Кфин.нез.

(Х7)

1 кв-л

1 года

0,48

0,233067

-0,28577

0,931949

1,125884

5,376078

0,470393

0,529607

2 кв-л

1 года

0,55

0,215021

-0,17410

0,924306

1,251625

4,997309

0,444124

0,555876

3 кв-л

1 года

0,50

0,194370

-0,08958

0,935054

1,491286

5,688749

0,401399

0,598601

4 кв-л

1 года

1,31

0,176310

0,01617

0,852434

1,287150

3,011621

0,437225

0,562775

1 кв-л

2 года

1,34

0,146667

-0,28993

0,884682

1,023781

3,321805

0,494125

0,505875

2 кв-л

2 года

1,30

0,139926

-0,51768

0,883121

1,053075

2,745868

0,487074

0,512926

3 кв-л

2 года

1,13

0,150170

-0,62157

0,896592

1,215886

2,691288

0,451287

0,548713

4 кв-л

2 года

0,98

0,141233

-2,13622

0,940398

0,599493

3,344638

0,625198

0,374802

1 кв-л

3 года

0,34

0,152223

-2,22492

0,975512

0,681203

7,532026

0,594812

0,405188

2 кв-л

3 года

0,66

0,168771

-2,31119

0,95013

0,764192

3,432651

0,566832

0,433168

3 кв-л

3 года

0,47

0,163012

-0,58072

0,963625

0,886863

9,217225

0,52998

0,47002

4 кв-л

1 года

1,27

0,154891

-1,39843

0,912892

0,773533

2,698846

0,563846

0,436154

1 кв-л

3 года

0,99

0,185759

-0,72862

0,91419

0,60147

4,209605

0,624426

0,375574

2 кв-л

4 года

1,69

0,27788

0,153582

0,844841

0,696574

4,488139

0,589423

0,410577

3 кв-л

4 года

0,86

0,271006

0,038467

0,909617

0,693088

6,796248

0,590637

0,409363

4 кв-л

4 года

5,80

0,169139

-0,38026

0,722698

0,376260

1,897880

0,726682

0,273421

Р

Таблица 2 - Описательная статистикаасчеты проводились с использованием инструмента «Пакет анализа» надстройки «Анализ

данных» ППП Microsoft Excel.

Показатель

Х1

Х2

Х3

Х4

Х5

Х6

Х7

Y

Среднее

0,18

-0,74

0,91

0,94

4,64

0,53

0,48

0,93

Стандартная

ошибка

0,01

0,22

0,01

0,07

0,51

0,02

0,02

0,11

Медиана

0,17

-0,52

0,91

0,89

4,21

0,53

0,47

0,98

Стандартное

отклонение

0,05

0,86

0,04

0,28

1,98

0,07

0,07

0,41

Дисперсия выборки

0,01

0,73

0,01

0,08

3,90

0,01

0,01

0,17

Интервал

0,14

2,46

0,13

0,89

6,53

0,22

0,22

1,35

Минимум

0,14

-2,31

0,85

0,59

2,69

0,40

0,38

0,34

Максимум

0,28

0,15

0,98

1,49

9,22

0,63

0,59

1,69

Сумма

2,77

-11,15

13,71

14,15

69,55

7,87

7,13

13,88

Уровень

надежности (95%)

0,03

0,47

0,02

0,16

1,09

0,04

0,04

15,00

Коэффициент

вариации, %

24,54

-115,24

4,11

30,14

42,59

14,12

15,59

35,00

Наиболее важными показателями таблицы 2 являются среднеквадратическое отклонение и коэффициент вариации, поскольку именно они свидетельствуют об однородности исследуемой информации.

Чем больше коэффициент вариации, тем относительно больший разброс и меньшая выравненность изучаемых показателей [2]. В соответствии с полученными коэффициентами вариации по фактору Х3 наблюдается незначительная вариация; среднюю вариацию имеет факторы Х6 и Х7, значительную вариацию, но не превышающую 35% имеют факторы Х1 и Х4. Коэффициенты вариации факторов Х5 и Х2 составляют соответственно 42,59% и 115,24%, что свидетельствует о неоднородности представленных данных.

В целом совокупность однородна, и для ее изучения могут использоваться метод наименьших квадратов и вероятностные методы оценки статистических гипотез. Построим уравнение множественной регрессии. Для оценки параметров уравнения множественной регрессии применяют метод наименьших квадратов (МНК). Для линейных уравнений и нелинейных, приводимых к линейным, строится следующая система нормальных уравнений:

……………………………………….

Данную систему уравнений можно решить различными способами, например, методом Крамера, где определитель системы имеет следующий вид:

Тесноту совместного влияния факторов на результат оценивает индекс множественной корреляции (коэффициент корреляции), который рассчитывается по формуле:

где SSE - сумма квадратов ошибок; SST - общая сумма квадратов.

Коэффициент детерминации вычисляют по формуле: R² = 1-SSE/SST.

Результаты регрессионного анализа представлены в таблицах 3 и 4.

Таблица 3 - Показатели регрессионной статистики

Показатель

Значение

Множественный R

0,978578

R-квадрат

0,957616

Нормированный R-квадрат

0,800827

Стандартная ошибка

0,111951

Наблюдения

16,000000

Таблица 4 - Показатели регрессионного анализа

Коэффициенты

Стандартная ошибка

t-статистика

Р- значение

Y-пересечение

11,15706

2,023782

5,51297

0,000565

Х1

-2,23632

0,996426

-2,24434

0,055052

Х2

0,02861

0,100093

0,28583

0,782272

Х3

-10,06031

2,130467

-4,72210

0,001498

Х4

-0,57037

0,972492

-0,58651

0,573707

Х5

-0,02501

0,031718

-0,78844

0,453167

Х6

0,00000

0,000000

0,65535

0,000228

Х7

0,12106

3,744097

0,03233

0,974998

Для оценки тесноты связи между результирующим показателем и факторами воспользуемся шкалой Чеддока [3].

Таблица 5 - Шкала Чеддока для определения тесноты связи

Показания тесноты связи

0,1-0,3

0,3-0,5

0,5-0,7

0,7-0,9

0,9-0,99

Характер силы связи

Слабая

Умеренная

Заметная

Высокая

Весьма высокая

Коэффициент корреляции равен 0,978578, что, согласно шкале Чеддока, свидетельствует о весьма высокой тесноте связи между степенью платежеспособности и включенными в модель факторами.

Коэффициент детерминации равен 0,957616. Это означает, что построенное уравнение регрессии примерно на 95,76% воспроизводит зависимость Y от факторов (Х1-Х7), т. е. результативный показатель на 95,76% зависит от этих факторов. Остальные 4,32% приходятся на долю случайных и неучтенных факторов. Оба коэффициента указывают на очень высокую (более 95%) детерминированность результата Y в модели факторами (Х1-Х7), полученное уравнение достаточно хорошо описывает изучаемую взаимосвязь между факторами.

Также оценим значимость уравнения регрессии и коэффициента R² помощью критерия F-Фишера. Выдвинем гипотезу Н0: коэффициент детерминации равен 0 и уравнение регрессии незначимо.

Найдем расчетную величину критерия Фишера по формуле:

Fф = R²/(1-R²)×(n-2)

Расчетная величина критерия Фишера составила 30,12486 (табл. 6).

Таблица 6 - Показатели дисперсионного анализа

Показатель

Число степеней

свободы, df

Сумма квадратов,

SS

Средние квадраты,

MS

Fрасч

Значимость F

1

2

3

4

5

6

Регрессия

7

24,51

3,50

30,124

0,000104

Остаток

8

0,10

0,01

Итого

15

24,61

При уровне значимости α=0,05 и числе степеней свободы df1=7, df₂=8 по таблице значений критерия Фишера критическое значение составляет 3,5. Так как Fрасч > Fкр нулевую гипотезу о незначимости величины R² отклоним, т.е. R² и уравнение множественной регрессии являются статистически значимы, а не результатом случайного отбора наблюдений.

На основании полученных результатов можно построить следующее уравнение множественной регрессии:

Y = 11,157 - 2,236×Х1 + 0,028×Х2 - 10,06×Х3 - 0,57×Х4 - 0,025×Х5 + 0,121×Х7

Между тем, несмотря на значимость уравнения в целом, не все ее факторы являются значимыми. Так, Р- значение Х2, Х4, Х5, Х7 превышает заданный уровень значимости (α) 0,05, что характеризует названные факторы как незначимые в данном уравнении регрессии. Значимыми факторами, оказывающими наибольшее влияние на степень платежеспособности, а также имеющими наибольший уровень значимости (Р-значение <0,05), являются коэффициент финансовой устойчивости и коэффициент финансовой зависимости.

Значения линейных коэффициентов парной корреляции определяют тесноту попарно связанных переменных, использованных в уравнении множественной регрессии. Если коэффициенты корреляции больше нуля, то корреляционная зависимость между переменными будет являться прямой. В случае отрицательных величин - обратной.

Построим матрицу коэффициентов парной корреляции и результаты представим в таблице 7.

Таблица 7 - Матрица коэффициентов парной корреляции

Х1

Х2

Х3

Х4

Х5

Х6

Х7

Y

Х1

1,00000

0,56756

-0,27587

-0,05072

0,30654

0,06559

-0,06559

0,02308

Х2

0,56756

1,00000

-0,62598

0,52834

0,07169

-0,53191

0,53190

0,29081

Х3

-0,27587

-0,62598

1,00000

-0,19938

0,57724

0,21213

-0,21213

-0,88562

Х4

-0,05072

0,52834

-0,19938

1,00000

-0,12289

-0,99362

0,99362

-0,13031

Х5

0,30654

0,07169

0,57724

-0,12291

1,00000

0,12607

-0,12607

-0,67736

Х6

0,06559

-0,53191

0,21213

-0,99362

0,12607

1,00000

-1,00000

0,11166

Х7

-0,06559

0,53190

-0,21212

0,99362

-0,12607

-1,00000

1,00000

-0,11166

Y

0,02308

0,29081

-0,88562

-0,13031

-0,67736

0,11166

-0,11166

1,00000

Анализ строк матрицы показывает, что высокую связь со степенью платежеспособности наблюдается по фактору Х3 (-0,88562), по фактору Х5 (-0,67736) наблюдается заметная связь. Все остальные факторы имеют менее тесную связь с результативным признаком. Между тем при построении многофакторных моделей должно соблюдаться требование возможно меньшей коррелированности включенных в модель признаков-факторов (отсутствие мультиколлинеарности). В нашем случае факторы Х₃ и Х5 соответствуют данному критерию мультиколлинеарности. В то же время, факторы Х1, Х₂, Х4, Х6 и X₇ во всех случаях коррелируют с другими факторами больше, нежели с результативным признаком. Таким образом, можно сделать вывод, что в регрессионную модель справедливо включить факторы Х₃ и Х₅, как наиболее значимые и удовлетворяющие критерию мультиколлинеарности.

При исключении факторов Х1, Х₂, Х4, Х6 и X₇ возможны два варианта. Либо осуществить пошаговую корреляцию, либо сразу исключить незначимые факторы. Учитывая небольшой объем статистической выборки (16 периодов), полагаем, что целесообразно исключить из модели на данном этапе сразу пять незначимых факторов, оставив два значимых, что подчеркнет адекватность уравнения регрессии.

Осуществив проделанную ранее процедуру с использованием двух факторов, получаем следующие результаты (таблица 8 и 9).

Таблица 8 - Показатели регрессионной статистики

Показатель

Значение

Множественный R

0,908692

R-квадрат

0,825718

Нормированный R-квадрат

0,796671

Стандартная ошибка

0,185356

Наблюдения

16,000000

Таблица 9 - Показатели регрессионного анализа

Коэффициенты

Стандартная ошибка

t-статистика

Р- значение

Y-пересечение

8,57681

1,397985

6,13512

5,06E-05

Х3

-8,10305

1,612166

-5,02619

0,000296

Х5

-0,05186

0,030714

-1,68836

0,017137

Как видно из таблиц 8 и 9, коэффициент корреляции равен 0,908692, что свидетельствует о весьма высокой связи. Коэффициент детерминации говорит о том, что степень платежеспособности на 82,57% зависит от коэффициента финансовой устойчивости и коэффициента текущей ликвидности.

Также оценим значимость уравнения регрессии и коэффициента R² помощью критерия F-Фишера. Для этого воспользуемся дисперсионным анализом. Выдвинем гипотезу Н0: коэффициент детерминации равен 0 и уравнение регрессии незначимо.

Таблица 10 - Показатели дисперсионного анализа

Показатель

Число степеней

свободы, df

Сумма квадратов,

SS

Средние квадраты,

MS

Fрасч

Значимость F

Регрессия

2

1,953312

0,976656

28,426

2,8E-05

Остаток

12

0,412281

0,034357

Итого

14

2,365593

Критерий Фишера равен 28,42691, что соответствует уровню значимости р менее 2,8E-05. При уровне значимости α=0,05 и числе степеней свободы df1=2, df₂=12 по таблице значений критерия Фишера критическое значение составляет 3,89. Так как Fрасч > Fкр нулевую гипотезу о незначимости величины R² отклоним, т.е. R² и уравнение множественной регрессии являются статистически значимы, а не результатом случайного отбора наблюдений. Что касается факторов и свободного члена, то все они согласно Р-значение <0,05 значимы.

В таблице 11 проиллюстрируем матрицу парных коэффициентов корреляции данной модели.

Таблица 11 - Матрица коэффициентов парной корреляции

Х3

Х5

Y

Х3

1,00000

0,57723

-0,88562

Х5

0,57723

1,00000

-0,67736

Y

-0,88562

-0,67736

1,00000

Данные таблицы 11 свидетельствуют об отсутствии мультиколлениарности факторных признаков. Построенное уравнение регрессии будет иметь следующий вид: Y = 8,577 - 8,103×Х3 - 0,052×Х5

Интерпретация данного уравнения будет следующей. За рассматриваемый период (16 кварталов) при увеличении коэффициента финансовой устойчивости на единицу степень платежеспособности предприятия снижается на 8 месяцев. При увеличении коэффициента текущей ликвидности результативный показатель снижается на 0,052 месяца.

Используя информацию о степени платежеспособности ОАО «ОЭМК», представленную в таблице 1, построим график ее изменения за анализируемые 16 кварталов (рис. 1).

Рисунок 1 - Динамика изменения степени платежеспособности предприятия за исследуемый период (16 кварталов)

Для построения трендовой модели могут использоваться различные функции: линейная, показательная, гиперболическая, степенная и др., что, в конечном итоге, зависит от экспериментальных данных [2]. Используя эту функцию, построим прогноз степени платежеспособности предприятия на ближайшие пять кварталов, учитывая сложившуюся тенденцию за 16 периодов (рис. 2).

Рисунок 2 - Прогноз изменения степени платежеспособности предприятия

Выводы. Согласно полученному уравнению регрессии при коэффициенте детерминации 0,5987 степень платежеспособности фирмы в 1 квартале будущего года составит примерно 1,14, во 2 квартале - 1,15, в 3 квартале - 1,16, в 4 квартале - 1,17 и в 1 квартале следующего года - 1,18 месяцев. Таким образом, можно констатировать незначительное снижение степени платежеспособности согласно данному аналитическому выравниванию. Данные показатели пока далеки от критического значения в 3 месяца. Однако, в сложившихся условиях руководству предприятия необходимо обратить особое внимание на коэффициент финансовой устойчивости и коэффициент текущей ликвидности, а также на показатели, с помощью которых эти коэффициенты рассчитываются (собственный и заемный капитал), поскольку грамотное управление ими способно оказать значительное влияние на повышение степени платежеспособности хозяйствующего субъекта.

Список литературы: 1. Савицкая, Г.В. Анализ хозяйственной деятельности предприятия: Учебник. - 4-е изд., перераб. и доп. - М.: ИНФА-М, 2008. - 512 с. 2. Теория статистики: Учебник/Под ред. Р.А. Шмойловой. - 3-е изд., перераб. - М.: Финансы и статистика, 2001. - 560с. 3. math.semestr.ru/

УДК 336.6

Оценка финансовой устойчивости промышленного предприятия / Набережный Н.В., Понкратова И.А., Селютина Н.В., Новикова О.А.// Вісник НТУ

При усуненні негативних тенденцій економічного розвитку, з метою підвищення стабільності діяльності підприємства, необхідно сконцентрувати увагу на забезпеченні сталого розвитку. Складовою частиною стійкості підприємства є фінансова стійкість, яка визначає стабільність його фінансового становища. Метою даного дослідження є аналіз фінансової стійкості промислового підприємства з використанням кореляційно-регресійного методу.
Ключові слова: фінансова стійкість, платоспроможність організації, фінансовий аналіз, кореляційно - регресійний аналіз

When these negative trends of economic development, in order to improve the stability of activity of the enterprise, you must focus on sustainable development. Integral part of the sustainability of the enterprise is financial stability, which determines the stability of its financial position. The aim of this study is to analyze the financial sustainability of industrial enterprises using correlation and regression method.
Keywords: financial stability, solvency of the organization, financial analysis, correlation and regression analysis

Assessment of financial stability of the industrial enterprise / riverside N. In., Ponkratova I. A., Celutina N. V., Novikova O. A