Бородин Сергей Игоревич.
Кандидат экономических наук,
ассистент кафедры экономики, управления и инвестиций,
Овчинникова Марина Сергеевна.
Кандидат экономических наук,
доцент кафедры экономики, управления и инвестиций,
Савельева Ирина Петровна.
Доктор экономических наук, доцент,
заведующий кафедрой маркетинга и менеджмента,
Южно-Уральский государственный университет (г. Челябинск).
Вестник Южно-Уральского государственного университета.
Серия: Экономика и менеджмент
т.7, №3 2013
В статье исследуется проблема обеспечения оборотных средств строительных организаций источниками формирования. Авторы предлагают использовать метод анализа внешних и внутренних факторов строительной организации, влияющих на состав источников формирования, с использованием показателя «Доступность финансовых ресурсов». Прогноз изменения внешних факторов производится с использованием искусственных нейронных сетей.
В процессе принятия решения о формировании структуры источников оборотных средств строительной организации необходимо провести следующие процедуры:
Матрица источников формирования оборотных средств (рис. 1) представляет собой структуру имущества и источников формирования имущества, сгруппированных по источникам формирования имущества. На пересечении строк имущества и столбцов источников образования имущества указываются конкретные источники формирования имущества и их объем.
Рис. 1. Матрица источников формирования оборотных средств
Оборотные средства | Обязательства | ||||||||||
Задолженность по долевому строительству | Задолженность банкам | Задолженность по займам | Задолженность по векселям | Задолженность в бюджет и внебюджетные фонды | Задолженность поставщикам и подрядчикам | Задолженность персоналу | Задолженность по облигационному займу | Закрытый паевый инвестиционный фонд недвижимости | Собственные оборотные средства | ||
Оборотные средства производственного назначения | Запасы производственного назначения | ||||||||||
Незавершенное производство | |||||||||||
Финансовые ресурсы | Долгосрочные финансовые вложения | ||||||||||
Товары | |||||||||||
Готовая продукция | |||||||||||
Дебиторская задолженность | |||||||||||
Краткосрочные финансовые вложения | |||||||||||
Денежные средства |
Задача формирования матрицы источников оборотных средств состоит в том, чтобы закрыть все строки имущества, при этом сведя к минимуму финансовые затраты, связанные с обеспечением обязательств.
При определении возможности обеспечения оборотных средств источниками формирования оборотных средств возможно использование следующих групп показателей:
Значения показателей, образующих данные группы, определяются на основании данных матрицы источников оборотных средств.
Группу показателей финансовой устойчивости и платежеспособности организации образуют следующие показатели:
Группу показателей оборачиваемости оборотных средств и источников их формирования образуют следующие показатели:
Группу показателей рентабельности оборотных средств и стоимости источников их формирования образуют следующие показатели:
Расчетные формулы для данных показателей можно получить из [1, 2]. Значения факторов, образующих данные показатели (величина запасов; дебиторской задолженности; краткосрочных финансовых вложений; денежных средств; собственных оборотных средств; долгосрочных обязательств; краткосрочных обязательств), находятся как среднее арифметическое от значений факторов на начало и конец периода; величины себестоимости и выручки берутся за период.
При анализе структуры оборотных средств и источников их формирования необходимо решить следующие задачи.
Определяя различные источники формирования имущества организации, необходимо установить их доступность с учетом внутренних факторов лица, осуществляющего кредитование (нормативов, регламентов кредитора) и ограничений, накладываемых внешней средой. Соответственно, различные источники формирования имущества будут обладать различным уровнем доступности (соответствия способностям и возможностям лица, которое использует заемные источники формирования имущества).
Считаем, что использование показателя «Доступность финансовых ресурсов» позволяет уменьшить время на поиск рациональных решений при принятии решения о выборе состава и структуры источников формирования оборотных средств строительной организации. Данный показатель может быть использован для оценки количественных и качественных ограничений внешней среды и индивидуальных особенностей строительной организации при определении состава источников формирования оборотных средств.
Показатель «Доступность финансовых ресурсов» за период формируется связью показателей, описывающих внешнюю среду организации («Индекс промышленного производства», «Доступная денежная масса (в определении агрегата М2)»), а также учитывающих индивидуальные особенности организации («Класс заемщика»).
Каждый уровень показателя «Доступность финансовых ресурсов» (рис. 2) определяет возможность привлечения источников формирования оборотных средств.
Рис. 2. Матрица определения показателя «Доступность финансовых ресурсов»
Оценка внешней среды | Класс заемщика | ||
1 класс | 2 класс | 3 класс | |
П Падение | П1 Средний | П2 Ниже среднего | П3 Низкий |
С Стабильность | С1 Выше среднего | С2 Средний | С3 Ниже среднего |
Р Развитие | Р1 Высокий | Р2 Выше среднего | Р3 Средний |
Показатель «Класс заемщика» формируется согласно методике оценки заемщиков юридических лиц, используемой при оценке кредитоспособности организаций Сбербанком Российской Федерации. Количественная оценка показателя «Класс заемщика» заключается в оценке финансового состояния организации в конкретном периоде. Финансовое состояние организации характеризуется направлением размещения средств (имущество организации) и характером источников (источники формирования имущества), а также результатами финансово-хозяйственной деятельности организации.
Показатель «Класс заемщика» определяется в результате оценки следующих показателей:
Расчетные формулы для данных показателей можно получить из [1, 2]. Значения факторов, образующих данные показатели (величина оборотных активов; дебиторской задолженности, платежи по которой ожидаются в течение 12 месяцев; краткосрочных финансовых вложений; денежных средств; собственного капитала; долгосрочных обязательств; краткосрочных обязательств), находятся как среднее арифметическое от значений факторов на начало и конец периода, величины прибыли и выручки берутся за период.
Оценка показателей производится путем определения категории показателя Категория Ki (i -номер показателя). Граничные значения для определения категории показателя представлены в таблице (определены согласно методике Сбербанка РФ).
Дифференциация показателей по категориям
Показатели | 1 категория | 2 категория | 3 категория |
K1 | 0,1 и выше | 0,05-0,1 | Менее 0,05 |
K2 | 0,8 и выше | 0,5-0,8 | Менее 0,5 |
K3 | 1,5 и выше | 1,0-1,5 | Менее 1,0 |
K4 | 0,4 и выше | 0,25-0,4 | Менее 0,25 |
K5 | 0,1 и выше | Менее 0,1 | Нерентабельно |
K6 | 0,06 и выше | Менее 0,06 | Нерентабельно |
Рейтинг организации S определяется по следующей формуле (использована модель Сбербанка РФ)
0,05 * Категория K1 + 0,1 * Категория K2 + S = + 0,4 * Категория K3 + 0,2 * Категория K4 + 0,15 * Категория K5 + 0,1 * Категория K6.
Показатель «Класс заемщика» формируется в соответствии с рейтингом:
Оценка внешней среды производится путем присвоения качественной характеристики данному показателю (рис. 3).
Рис. 3. Матрица оценки внешней среды
Индекс промышленного производства | Доступная денежная масса (в определении агрегата М2) | ||
Н Низкий | С Средний | В Высокий | |
Н Низкий | НН Низкий | НС Ниже среднего | НС Средний |
С Средний | СН Ниже среднего | СС Средний | СВ Выше среднего |
В Высокий | ВН Средний | ВС Выше среднего | ВВ Высокий |
Показатель «Индекс промышленного производства» - относительный показатель, характеризующий изменение масштабов промышленного производства в сравниваемых периодах.
Индекс промышленного производства - агрегированный индекс производства по видам деятельности «Добыча полезных ископаемых», «Обрабатывающие производства», «Производство и распределение электроэнергии, газа и воды». Сводный индекс производства характеризует совокупные изменения всех видов продукции и отражает изменение создаваемой в процессе производства стоимости в результате изменения только физического объема производимой продукции. Для исчисления сводного индекса производства индивидуальные индексы по конкретным видам продукции поэтапно агрегируются в индексы по видам деятельности, подгруппам, группам, подклассам, классам, подразделам и разделам.
При анализе исследуется изменение индекса промышленного производства в текущем периоде по сравнению с индексом промышленного производства предыдущего периода:
Показатель «Доступная денежная масса (в определении агрегата М2)» характеризуется набором косвенных денежных индикаторов, находится связью показателей «Просроченная задолженность» и «Темп роста оборота организаций» за период и определяет количество доступных денег в рассматриваемой отрасли (рис. 4). Денежный агрегат М2 представляет собой объем наличных денег в обращении (вне банков) и остатков средств в национальной валюте на счетах нефинансовых организаций, финансовых (кроме кредитных) организаций и физических лиц, являющихся резидентами Российской Федерации.
Рис. 4. Матрица определения показателя «Доступная денежная масса (в определении агрегата М2)»
Просроченная задолженность | Темп роста оборота организаций | ||
У Снижение | С Стагнация | Р Рост | |
У Снижение | УУ Средний | УС Высокий | УР Высокий |
С Стагнация | СУ Низкий | сс Средний | СР Высокий |
Р Рост | РУ Низкий | РС Низкий | РР Средний |
Показатель «Просроченная задолженность» формируется на основании сведений о существующей задолженности по следующим показателям:
При анализе сравнивается уровень задолженности в текущем периоде к уровню предыдущего периода:
Показатель «Темп роста оборота организаций» показывает изменение выручки организаций за определенный период.
При анализе исследуется изменение темпа роста оборота организаций в текущем периоде по сравнению с темпом роста оборота организаций за предыдущий период:
Таким образом, в процессе решения задачи определения состава источников формирования оборотных средств организации необходимо дать прогнозное значение следующим показателям внешней среды организации:
Прогнозирование может быть выполнено с использованием экономико-математических методов (например, регрессионный анализ, временные ряды) и технологий искусственного интеллекта (например, искусственные нейронные сети).
Для решения задачи прогнозирования экономико-математическими методами необходимо, чтобы были выполнены следующие условия: определен состав факторов, которые влияют на результирующие показатели, задача описывалась определенной детерминированной или вероятностной моделью (можно использовать известные функции и параметры). Данные условия являются ограничениями на возможность использования данных методов для предварительной оценки требуемых в исследовании показателей.
Искусственная нейронная сеть - это определенная структура элементов (искусственных нейронов), связанных между собой (синаптические соединения), которая преобразует входные сигналы (входы искусственной нейронной сети) в выходные сигналы (выходы искусственной нейронной сети).
Для прогнозирования показателя «Доступность финансовых ресурсов» используется искусственная нейронная сеть. Использование искусственных нейронных сетей позволяет избежать ограничений, которые возникают при использовании экономико-математических методов. Однако в этом случае возникает вопрос погрешности прогнозирования (ошибки искусственной нейронной сети при прогнозе показателей) и количестве исходных примеров (обучающей выборке), которые будут адекватно описывать изменение внешней среды.
Решение задачи вычисления погрешности сигналов сети будем решать с использованием гарантированных интервальных оценок: вычисляются допустимые интервалы для погрешностей входных сигналов искусственной нейронной сети, такие, чтобы погрешность вектора выходных сигналов гарантировано (с установленным уровнем вероятности) не превышала заданную величину.
При формировании обучающей выборки были выполнены требования непротиворечивости исходных данных, исключение их повторяемости.
Цель построения искусственной нейронной сети - определение значений показателей «Индекс промышленного производства», «Просроченная задолженность», «Темп роста оборота организаций».
Этапы решения задачи построения искусственной нейронной сети:
Рассмотрим этапы более подробно.
1 этап. Сбор данных для обучения. Выбор факторов на входе в нейронную сеть производился путем экспертного и логического анализа предложенной общей (генеральной) совокупности факторов. В окончательный состав факторов на входе в нейронную сеть вошли следующие факторы:
На выходе из нейронной сети рассматриваем следующие факторы:
Значения показателей для обучения выбирались в период с января 2007 г. по сентябрь 2011 г.
2 этап. Подготовка и нормализация данных. При обучении искусственной нейронной сети необходимо произвести предварительную обработку данных. Допустим, что на один вход сети мы подаём значение фактора, которое лежит в диапазоне [0; 1]. А на второй вход значение из диапазона [50 млн; 1000 млн]. В этом случае первый вход будет попросту игнорироваться искусственной нейронной сетью. Поэтому необходимо нормализовать данные, то есть привести их в один интервал. При нормализации данных будем использовать следующую формулу:
где x - входное значение фактора,
а xmax и xmin - максимальные и минимальные значения факторов, которые может принимать переменная х.
Также большое внимание нужно уделить удалению шума из исходных данных, так как шум может сильно усложнить обучение и качество работы сети.
3 этап. Выбор архитектуры сети и подбор характеристик сети и параметров обучения. Подавая любые числа на входы нейронной сети, мы получаем какой-то набор чисел на выходах нейронной сети. Таким образом, работа нейронной сети состоит в преобразовании входного вектора в выходной вектор, причем это преобразование задается весами нейронной сети. При построении искусственной нейронной сети использовались следующие условия:
4 этап. Обучение. Ошибка нейронной сети устанавливается на уровне 8 %. Обучение искусственной нейронной сети производилось с учителем. Использовался принцип обратного распространения ошибки.
5 этап. Проверка адекватности работы нейронной сети. Проверка адекватности работы искусственной нейронной сети осуществлялась путем подстановки в искусственную нейронную сеть значения входных факторов за последующие периоды с октября 2011 г. по февраль 2012 г. На выходе были получены результаты прогнозирования выходных факторов искусственной нейронной сетью. Отклонение полученных прогнозных значений не отклонялись от фактических данных более чем на 6,9 %.
Значимость критериев оценки факторов при различных значениях показателя «Доступность финансовых ресурсов» определяется уровнем риска, который приемлем для кредитора в различных ситуациях, установленных внешней средой.
Показатель «Доступность финансовых ресурсов» в совокупности с использованием других показателей может определять виды источников финансирования деятельности предприятия. Обоснование использования различных источников формирования оборотных средств в зависимости от значения показателя «Доступность финансовых ресурсов» обусловлен проведенным исследованием с использованием экспертных оценок методом ранговой корреляции. Варианты состава источников формирования оборотных средств приведены на рис. 5.
Необходимо заметить, что значение показателя «Доступность финансовых ресурсов» не остается постоянным с течением времени и требует переоценки при принятии решений о привлечении дополнительных источников формирования оборотных средств.
Используя информацию о значении показателя «Доступность финансовых ресурсов» менеджмент строительной организации имеет возможность сократить затраты на поиск кредитора, обоснование инвестиций. Стоит отметить, что универсального метода, который позволит принимать решения о форме источника формирования оборотных средств, не существует. Выбор всегда зависит от внутренних факторов и внешней среды, в которой функционирует предприятие, а также от лица, принимающего решение.
Литература
1. Бланк, И.А. Основы финансового менеджмента [Текст] /И.А. Бланк. - 3-е изд.; перераб. и доп. - Киев: Омега-Л, Эльга, 2011. - Т. 1. - 656 с.
2. Шеремет, А.Д. Финансы предприятий: менеджмент и анализ: учебное пособие для вузов по экономическим специальностям и направлениям [Текст] / А.Д. Шеремет, А.Ф. Ионова. - М.: ИНФРА-М, 2009. - 478 с.
УДК 657.3