СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ ОЦЕНКИ ВЕРОЯТНОСТИ БАНКРОТСТВА (НА ПРИМЕРЕ ПРЕДПРИЯТИЙ СОТОВОЙ СВЯЗИ РОССИЙСКОЙ ФЕДЕРАЦИИ)
Аннотация
На современном этапе развития российской экономики становится очевидным, что любое предприятие для сохранения финансовой устойчивости и долгосрочной конкурентоспособности должно отвечать требованиям окружающей действительности [13]. Одной из наиболее развивающихся отраслей экономики является рынок связи и телекоммуникаций, что во многом связано с современным трендом – цифровая экономика [1], а в частности, с национальным проектом «Цифровая экономика в Российской Федерации». Потребность в оценке финансового состояния и прогнозирования его изменений испытывает как сам экономический субъект, так и его контрагенты, инвесторы и другие заинтересованные пользователи отчётности. Как следствие, выявление неблагоприятных тенденций развития предприятия, рисковых факторов, приводящих к банкротству и методов их оценки, приобретают первостепенное значение. Но, несмотря на большое количество различных моделей оценки степени риска банкротства, в современной экономической науке нет единого формализованного подхода, каждая модель опирается на свою группу показателей и нормативных значений. Именно поэтому для получения объективной информации о финансовом состоянии предприятий сотовой связи необходимо использовать модели различных авторов. Помимо этого следует рассмотреть показатели, необходимые для прогнозирования финансовой несостоятельности исследуемых субъектов, а также разработать возможные их модификации, применимые непосредственно к телекоммуникационной отрасли. Приведённый порядок действий, безусловно, помогает выявить слабые места в деятельности исследуемых экономических субъектов, а вместе с этим, выяснить, смогут ли крупные участники рынка связи, такие как, как ПАО «Мегафон», ПАО «МТС», ПАО «Ростелеком», стать основополагающими, с помощью которых удастся реализовать национальный проект в Самарской области.
Цель: оценить возможность применения известных методик прогнозирования банкротства и финансовых коэффициентов к крупным телекоммуникационным компаниям Самарского региона.
Метод или методология проведения работы: в статье использовались экономико-математические методы, а также статистические методы анализа.
Результаты: оценена возможность применения представлена известных методик прогнозирования банкротства к телекоммуникационным компаниям региона. Представлена скорректированная формула собственных оборотных средств, которая учитывает отраслевые особенности участников рынка связи, тем самым показывает их реальное финансовое положение.
Область применения результатов: полученные результаты целесообразно применять экономическим субъектам телекоммуникационной отрасли экономики.
Ключевые слова
Полный текст:
>PDFЛитература
Aturin V.V., Moga I.S., Smagulova S.M. Upravlenets. 2020. V.11, №2, рр. 67–76. DOI: 10.29141/2218-5003-2020-11-2-6
Anorboev A.U., Bondarenko V.V., Galiullin A.A. et al. Teoretiko-metodologicheskie podkhody k formirovaniyu sistemy razvitiya predpriyatiy, kompleksov, regionov [Theoretical and methodological approaches to the formation of the system of development of enterprises, complexes, regions] / ed. Udalov F.E., Bondarenko V.V., Stolyarova O.A. Penza: RIO PGAU, 2019. 233 p.
Avdeeva I.L. Tsifrovaya ekonomika i «Industriya 4.0»: problemy i perspektivy [Digital economy and Industry 4.0: problems and prospects]. 2017. P. 18-24, DOI: 10.18720/IEP/2017.1/1
Aleksandrova M.V., Proskurina Z.B. Ekonomika, sotsiologiya i pravo. 2015. № 3.
Bobyleva A.Z. Vestnik Moskovskogo universiteta. Ser. 21. Upravlenie (gosudarstvo i obshchestvo). 2019. № 3, рр. 39–60.
Bryantseva T.A., Glazyrina A.A. Belgorodskiy ekonomicheskiy vestnik. 2019. №1, рр. 173–175.
Blank I.A. Osnovy finansovogo menedzhmenta [Fundamentals of Financial Management]. Nika–Tsentr, El’ga, Kiev, 2017.
Gryaznova A.G. Antikrizisnyy menedzhment [Anti-crisis management]. Assotsiatsiya avtorov i izdateley «Tande». Izd-vo EKMOS, 2017.360 p.
Zakharyan A.V., Boyko A.A., Safarova S.N. Mezhdunarodnyy zhurnal gumanitarnykh i estestvennykh nauk. 2020. №4. DOI: 10.24411/2500-1000-2020-10324.
Kazakova N.A. Finansovyy menedzhment. 2016. № 6, рр. 17–33.
Kazakova N.A. Ekonomicheskiy analiz: teoriya i praktika. 2019. V. 18, № 07.
Natsional’naya programma «Tsifrovaya ekonomika Rossiyskoy Federatsii»/ Pravitel’stvo Rossii [National program “Digital economy of the Russian Federation”]. http://government.ru/rugovclassifier/614/events/
Naumova O.A., Tyugin M.A. Evropeyskie trudy po sotsial’nym i povedencheskim naukam. 2018. Vyp. 57: GCPMED 2018 / Mezhdunarodnaya nauchnaya konferentsiya “Global’nye vyzovy i perspektivy sovremennogo ekonomicheskogo razvitiya” [European works on social and behavioral sciences. 2018. Issue. 57: GCPMED 2018 / International Scientific Conference “Global Challenges and Prospects for Contemporary Economic Development”]. P. 1032–1041. DOI: https://dx.doi.org/10.15405/epsbs. 2019.03.103.
Rossiya v tsifrakh [Russia in numbers]. 2018: krat. stat. sb. / Federal’naya sluzhba gosudarstvennoy statistiki (Rosstat). M., 2018.
Federal’nyy zakon «O nesostoyatel’nosti (bankrotstve)» ot 26.10.02 N127-FZ [Federal law “On insolvency (bankruptcy)” from 26.10.02 N127-FZ]. URL: http://www.consultant.ru
Federal’nyy zakon «O bukhgalterskom uchete» ot 06.12.11 «402-FZ [Federal law “On accounting” from 06.12.11 402-FZ]. URL: http://www.consultant.ru
Tsurkan M.V.,Sotskova S.I.,Lyubarskaya M.A. Mezhdunarodnyy zhurnal ekologicheskogo i nauchnogo obrazovaniya.2016.V.11.№ 15,рр.7684–7702.
Sheremet A.D., Negashev E.V. Metodika finansovogo analiza deyatel’nosti kommercheskikh organizatsiy [Methodology of financial analysis of the activity of commercial organizations]. M.: INFRA-M, 2017. 233 p., рр. 205–219.
Drotar P., Gnip P., Zori M., Gazda V. (2019) Data in Brief, 25. DOI: 10.1016/j.dib.2019.104360. Accessed: 29.07.2019.
Chena Z., Chena W., Shibcde Y. (2020) Ensemble learning with label proportions for bankruptcy prediction. Expert Systems with Applications, 146. DOI: 10.1016/j.eswa.2019.113155. Accessed: 15.05.2020.
Feng M., Shaonan T., Chihoon L., Ling M. (2019) Deep learning models for bankruptcy prediction using textual disclosures. European Journal of Operational Research, 274 (2):743-758. DOI: 10.1016/j.ejor.2018.10.024.
Le T., Vo B., Fujita H., Nguyen N., Baik S. (2019) A fast and accurate approach for bankruptcy forecasting using squared logistics loss with GPU-based extreme gradient boosting. Information Sciences, 494: 294–310. DOI: 10.1016/j.ins.2019.04.060.
Tobback E., Bellotti T., Moeyersoms J., Stankova M., Martens D. (2017) Bankruptcy prediction for SMEs using relational data. Decision Support Systems, 102: 69–81. DOI: 10.1016/j.dss.2017.07.004.
Zoričák M., Gnip P., Drotár P., Gazda V. (2020) Bankruptcy prediction for small- and medium-sized companies using severely imbalanced datasets. Economic Modelling, 84: 165–176. DOI: 10.1016/j.econmod.2019.04.003.
DOI: https://doi.org/10.12731/2070-7568-2020-2-7-29
Ссылки
- На текущий момент ссылки отсутствуют.
(c) 2020 Olga Sergeevna Aksinina, Ol’ga Mikhaylovna Gasilina
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
Контент доступен под лицензией Creative Commons Attribution-NonCommercial-NoDerivs 4.0.
ISSN 2070-7568 (Print)