662bf28c9d5593_70710752___ski
p_
662bf28c9d5698_03045992___ski
p_ Критический анализ существующих инструментов идентификации рисков банкротства предприятия 662bf28c9d5817_60284526___ski
p_
662bf28c9d5951_02560141___ski
p_
Романова Ольга Олеговна 662bf28c9d5a80_86413306___ski
p_
ФГБОУ ВПО «Липецкий государственный технический университет», 662bf28c9d5a80_86413306___ski
p_
г. Липецк, Российская Федерация, 662bf28c9d5a80_86413306___ski
p_
Иода Елена Васильевна 662bf28c9d5a80_86413306___ski
p_
ФГБОУ ВПО «Липецкий государственный технический университет», 662bf28c9d5a80_86413306___ski
p_
г. Липецк, Российская Федерация, 662bf28c9d5a80_86413306___ski
p_
Социально-экономические явления и процессы 662bf28c9d5a80_86413306___ski
p_
Т.10, №8, 2015
662bf28c9d5d43_06038811___ski
p_
662bf28c9d5e88_12951663___ski
p_
662bf28c9d5f96_81931395___ski
p_
В статье предпринята попытка критического анализа применимости существующих инструментов оценки рисков банкротства коммерческих предприятий. Объектом изучения определены существующие подходы по решению задач идентификации рисков банкротства. Публикация первых трудов, посвященных систематизации материалов по обозначенной тематике, была обусловлена появлением проблемы, тесно связанной с массовым банкротством компаний в период Великой депрессии (США 1930-е гг.).
662bf28c9d5d43_06038811___ski
p_
662bf28c9d5f96_81931395___ski
p_
На сегодняшний день известно большое число моделей и подходов к решению проблемы прогнозирования дефолта коммерческой организации. Однако можно констатировать недостаточную научно- методическую разработанность проблемы анализа риска банкротства, и, как следствие, необходимость дальнейшего совершенствования методов его оценки в условиях экономической нестабильности. Сложность адаптации зарубежных моделей в реалиях российской действительности определяют практическую значимость разработок в данном направлении. В статье:
662bf28c9d5d43_06038811___ski
p_
662bf28c9d61c0_76338244___ski
p_
662bf28c9d62a5_15812771___ski
p_ приведен сравнительный анализ существующих подходов к решению научной проблемы прогнозирования дефолта;
662bf28c9d63b0_71579375___ski
p_
662bf28c9d62a5_15812771___ski
p_ приведены достоинства и недостатки подходов;
662bf28c9d63b0_71579375___ski
p_
662bf28c9d62a5_15812771___ski
p_ детально исследованы вопросы применимости аппарата многомерных адаптивных регрессионных сплайнов (МАРС) для решения поставленных задач;
662bf28c9d63b0_71579375___ski
p_
662bf28c9d62a5_15812771___ski
p_ отражены результаты их ограниченности применимости существующих подходов к идентификации рисков банкротства для условий российских реалий.
662bf28c9d63b0_71579375___ski
p_
662bf28c9d6664_56058582___ski
p_
662bf28c9d5f96_81931395___ski
p_
Проведенный анализ показал, что наиболее эффективным инструментом идентификации рисков банкротства является аппарат МАРС. Направлением дальнейших исследований видится построение математических моделей оценки риска дефолта предприятия на основе МАРС. Результаты исследований могут быть полезны банковским аналитикам, консалтинговым агентствам, экономистам, а также всем лицам, заинтересованным в качественном проведении финансового анализа предприятия.
662bf28c9d5d43_06038811___ski
p_
662bf28c9d6794_03269516___ski
p_
662bf28c9d5f96_81931395___ski
p_
Актуальность обозначенной темы исследования определяется необходимостью своевременного выявления неблагоприятных тенденций в деятельности предприятий в условиях российской экономики с учетом влияния мировых экономических тенденций, в том числе - для потенциальных и действующих заемщиков кредитных организаций. Нами была поставлена цель - провести критический анализ существующего методического аппарата в области оценки риска банкротства российских предприятий.
662bf28c9d5d43_06038811___ski
p_
662bf28c9d5f96_81931395___ski
p_
В соответствии с нормативно-правовым обеспечением, под банкротством предприятия понимается признанная арбитражным судом или объявленная должником его неспособность в полном объеме удовлетворить требования кредиторов по денежным обязательствам и по уплате других обязательных платежей [1].
662bf28c9d5d43_06038811___ski
p_
662bf28c9d5f96_81931395___ski
p_
Основной признак банкротства - неспособность предприятия обеспечить выполнение требований кредиторов в течение трех месяцев со дня наступления сроков платежей. По истечении этого срока кредиторы получают право на обращение в арбитражный суд о признании предприятия-должника банкротом.
662bf28c9d5d43_06038811___ski
p_
662bf28c9d5f96_81931395___ski
p_
Ретроспективный анализ показывает, что проблема прогнозирования и оценки рисков банкротства коммерческой организации появилась в 30-х гг. ХХ в. Ее появление тесным образом связано с периодом Великой депрессии 1929-1939 гг. в США и мировым экономическим кризисом. В 1930 г. Бюро бизнес-исследований США (Bureau of Business Research) опубликовало исследование по 29 близких к банкротству компаний США, на основании финансовых данных которых были проанализированы 24 коэффициента. Данное исследование можно считать отправной точкой в истории анализа рисков банкротства. Впоследствии в 1932 г. американский ученый Пол Фицпатрик публикует результаты исследования финансовых показателей 20 обанкротившихся фирм [2]. Как показывает анализ ранних трудов по вопросу, задача прогнозирования банкротства в этот период решалась преимущественно эмпирическим методом.
662bf28c9d5d43_06038811___ski
p_
662bf28c9d5f96_81931395___ski
p_
Первый труд, посвященный разработке математического подхода к анализу вероятности неплатежеспособности - а именно банкротства -относится к 1966 г. [3]. С тех пор разработано большое количество методов и подходов к решению данной задачи, детальный обзор которых приведен в работе Bellovary J., Giacomino D., Akers M. [4]. Данные таблицы 1 отражают динамику роста количества моделей в данной сфере. Автором разработана классификация наиболее популярных моделей и методов для решения данной задачи [5].
662bf28c9d5d43_06038811___ski
p_
662bf28c9d6aa2_39266966___ski
p_
Таблица 1.Развитие исследований в области предсказания банкротства
662bf28c9d5d43_06038811___ski
p_
662bf28c9d6c34_79506721___ski
p_
662bf28c9d6d16_70235997___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Дискриминантный анализ
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Логит-регрессия
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Пробит-регрессия
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Нейронные сети
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Другие методы
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d7476_69316772___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
1960-е
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
2
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
0
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
0
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
0
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
1
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
1970-е
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
22
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
1
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
1
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
0
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
4
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
1980-е
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
28
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
16
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
3
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
1
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
7
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
1990-е
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
9
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
16
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
3
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
35
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
11
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
2000-е
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
2
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
3
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
0
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
4
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
3
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Итого
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
63
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
36
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
7
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
40
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
26
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d8444_87078034___ski
p_
662bf28c9d5f96_81931395___ski
p_
Нами было проведено исследование, позволившее выявить достоинства и недостатки различных подходов к анализу кредитоспособности, описанных в [6-11]. Результаты приведены в таблице 2.
662bf28c9d5d43_06038811___ski
p_
662bf28c9d6aa2_39266966___ski
p_
Таблица 2. Результаты сравнения наиболее популярных подходов к анализу кредитоспособности и предсказанию вероятности банкротства
662bf28c9d5d43_06038811___ski
p_
662bf28c9d6c34_79506721___ski
p_
662bf28c9d6d16_70235997___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Подход к моделированию
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Преимущества
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Недостатки
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d7476_69316772___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Дискриминантньш анализ
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Традиционно используется в данной задаче; 662bf28c9d5a80_86413306___ski
p_
большое число готовых методов и моделей; 662bf28c9d5a80_86413306___ski
p_
достаточно приемлемая точность.
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Ограничения на нормальность остатков; 662bf28c9d5a80_86413306___ski
p_
требование к независимости наблюдений; 662bf28c9d5a80_86413306___ski
p_
предположение об однородности данных; 662bf28c9d5a80_86413306___ski
p_
высокая чувствительность к недостоверным данным; 662bf28c9d5a80_86413306___ski
p_
исследование линейной связи между зависимой и объясняющими переменными; 662bf28c9d5a80_86413306___ski
p_
проблема «проклятия размерности»; 662bf28c9d5a80_86413306___ski
p_
сложности построения подобной модели в российских условиях; 662bf28c9d5a80_86413306___ski
p_
необходимость систематического пересчета коэффициентов
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Регрессионные модели
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Высокая точность при предсказании дихотомичных исходов; 662bf28c9d5a80_86413306___ski
p_
простота применимости на практике
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Исследование линейной связи между зависимой и объясняющими переменными; 662bf28c9d5a80_86413306___ski
p_
ограничения на нормальность остатков; 662bf28c9d5a80_86413306___ski
p_
проблема «проклятия размерности»; 662bf28c9d5a80_86413306___ski
p_
независимость наблюдений
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Нейронные сети
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Возможность исследования нелинейных зависимостей; 662bf28c9d5a80_86413306___ski
p_
более высокая точность (по сравнению с дискриминантным анализом и регрессионными моделями); 662bf28c9d5a80_86413306___ski
p_
независимость от прикладной области; отсутствие ограничений
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Длительный процесс обучения сети; 662bf28c9d5a80_86413306___ski
p_
сложности при выборе выходных переменных из массива финансовых показателей; 662bf28c9d5a80_86413306___ski
p_
сложности интерпретации (работа сети по принципу «черного ящика»); 662bf28c9d5a80_86413306___ski
p_
сложности подбора структуры сети
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
МАР-сплайны
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Лишены «проклятия размерности»; 662bf28c9d5a80_86413306___ski
p_
отсутствие жестких ограничений; 662bf28c9d5a80_86413306___ski
p_
возможности исследования нелинейных связей
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Точность зависит от входных данных
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Подход к моделированию
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Преимущества возможность выбора «важных» факторов из базисов; 662bf28c9d5a80_86413306___ski
p_
простота интерпретации
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Недостатки
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Модель эталонного сравнения (CBR)
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Универсальный классификационный алгоритм
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Низкая прогнозная точность; низкая скорость работы
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
CART-деревья
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Простота вычислений; 662bf28c9d5a80_86413306___ski
p_
возможность применения в различных областях; 662bf28c9d5a80_86413306___ski
p_
быстрота
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Трудности при использовании статистических методов при построении дерева
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Комплексные подходы
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Анализ как числовых, так и категориальных величин; 662bf28c9d5a80_86413306___ski
p_
комплексность подхода
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Сложности реализации полноценного метода в России; 662bf28c9d5a80_86413306___ski
p_
пренебрежение формализованными методиками; длительность анализа; 662bf28c9d5a80_86413306___ski
p_
проблема выбора базисных методов анализа; 662bf28c9d5a80_86413306___ski
p_
в случае отказа от формализованных методик - субъективность анализа
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d6de4_58767601___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Гибридные модели
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Большая точность; 662bf28c9d5a80_86413306___ski
p_
лишены недостатков отдельных моделей (при правильном построении)
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d6ef3_14788469___ski
p_
Зависят от конкретного метода; 662bf28c9d5a80_86413306___ski
p_
сложность моделирования гибридного подхода
662bf28c9d6ff6_20929840___ski
p_
662bf28c9d7374_74179425___ski
p_
662bf28c9d8444_87078034___ski
p_
662bf28c9d5f96_81931395___ski
p_
Как можно видеть из таблицы 2, количество разработанных моделей и методов для решения научной задачи оценки рисков и вероятности дефолта организаций впечатляет. Вместе с тем, несмотря на большое многообразие как самих моделей, так и используемых подходов, их применимость в российской действительности ограничена. Основными ограничивающими факторами видятся:
662bf28c9d5d43_06038811___ski
p_
662bf28c9d61c0_76338244___ski
p_
662bf28c9d62a5_15812771___ski
p_ информационная закрытость предприятий, ограниченность массива данных для проведения качественного исследования;
662bf28c9d63b0_71579375___ski
p_
662bf28c9d62a5_15812771___ski
p_ намеренное искажение финансовой картины российскими предприятиями в целях снижения налогооблагаемой базы и сохранения рентабельности бизнеса;
662bf28c9d63b0_71579375___ski
p_
662bf28c9d62a5_15812771___ski
p_ различия в стандартах российской системы бухгалтерского учета (РСБУ) и зарубежных системах бухгалтерского учета;
662bf28c9d63b0_71579375___ski
p_
662bf28c9d62a5_15812771___ski
p_ необходимость систематической актуализации коэффициентов в расчетных моделях, ввиду устаревания информации.
662bf28c9d63b0_71579375___ski
p_
662bf28c9d6664_56058582___ski
p_
662bf28c9d5f96_81931395___ski
p_
Перечисленные особенности российской действительности не позволяют механически использовать модели зарубежных ученых. Решение задачи оценки рисков дефолта предприятий в России не может быть реализована простым переносом зарубежных моделей, что подтверждают исследования российских ученых.
662bf28c9d5d43_06038811___ski
p_
662bf28c9d5f96_81931395___ski
p_
Проведенный анализ достоинств и недостатков существующих моделей оценки рисков банкротства показал, что относительно недавние разработки в данной области - гибридные модели и модели на основе аппарата многомерных адаптивных регрессионных сплайнов (МАРС) - дают достаточно точные результаты и лишены недостатков более ранних аналогов. Поскольку построение качественной гибридной модели сопряжено с недостатками любой из математических моделей, положенных в основу, аппарат МАРС представляется наиболее эффективным инструментом для решения задачи прогнозирования банкротства. Дальнейшим направлением исследований видится разработка математических моделей оценки риска банкротства предприятий на основе аппарата МАРС.
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9903_99470064___ski
p_
Литература
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
1. О несостоятельности (банкротстве): федер. закон от 26.10.2002 № 127-ФЗ (ред. от 29.06.2015). Доступ из справ.-правовой системы «КонсультантПлюс».
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
2. Fitz
Patrick P.J. A Com
parison of the Ratios of Successful Industrial Enter
prises With Those of Failed Com
panies // Journal of Accounting Research. 1932. October.
P. 598-605.
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
3. Beaver W.H. Financial Rations and
Predictions of Failure //Em
pirical Research in Accounting Selected Studies, Su
pplement to Journal of Accounting Research, 1966. Р. 68-94.
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
4. Bellovary J., Giacomino D., Akers M. A review of bankru
ptcy prediction studies: 1930 to
present // Journal of Financial Education. 2007. № 33.
P. 234-356.
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
5. Черных О.О. Проблемы современных подходов к оценке кредитоспособности заемщика. URL: htt
p://www.sworld.com.ua/index.
php/ru/economy-312/financial-cash-flow-and-credit-312/14269-312-141
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
6. A hybrid model for bankru
ptcy prediction using genetic algorithm, fuzzy c-means, and MARS / A. Martin, V. Gayathri, G. Saranya,
P. Gayathri,
P. Venkatesan // International Journal on Soft Com
puting ( IJSC). 2011. № 1.
P. 213-245.
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
7. Fisher R.A. The use of multi
ple measurements in taxonomic
problems // Annals of Eugenics. 1936. № 7.
P. 179-188.
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
8. Fulmer, John G. et al.: A Bankru
ptcy Classification Model For Small Firms. Journal of Commercial Bank Lending, 1984. Р. 25-37
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
9. Kirchesch K. Financial risks, bankru
ptcy probabilities, and the investment behaviour of enter
prises // HWWA DISCUSSION
PAPER. 2004. № 299.
P. 213-254.
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
10. Sharma D. The role of cash flow information in
predicting cor
porate failure: The state of the literature // The British Accounting Review. 2001. № 7.
P.134-156.
662bf28c9d5d43_06038811___ski
p_
662bf28c9e9ac1_23909687___ski
p_
11. Кадыров А.Н. Методика определения категории риска заемщика для управления уровнем риска кредитного портфеля банка // Финансы и кредит. 2011. № 7. С. 15-19.
662bf28c9d5d43_06038811___ski
p_
662bf28c9d6794_03269516___ski
p_
662bf28c9ea4a5_90605305___ski
p_ 662bf28c9ea5c4_55459881___ski
p_ Метки 662bf28c9d6794_03269516___ski
p_ 662bf28c9ea756_77159218___ski
p_ 662bf28c9ea889_59705202___ski
p_ риск 662bf28c9ea987_36818916___ski
p_ 662bf28c9eaa33_28049670___ski
p_ банкротство 662bf28c9ea987_36818916___ski
p_ 662bf28c9eab69_19371581___ski
p_ многомерные адаптивные регрессионные сплайны 662bf28c9ea987_36818916___ski
p_ 662bf28c9eac20_70313236___ski
p_ риск дефолта 662bf28c9ea987_36818916___ski
p_ 662bf28c9d6794_03269516___ski
p_ 662bf28c9ead19_68231125___ski
p_ Программа Финансовый анализ - 662bf28c9d4cd9_48690533___ski
p_ для анализа финансового состояния предприятия, позволяющая рассчитывать большое количество финансово-экономических коэффициентов. 662bf28c9d5a80_86413306___ski
p_ 662bf28c9eae60_71954177___ski
p_ 662bf28c9eaf62_95839704___ski
p_ Скачать программу 662bf28c9d4ea7_72487622___ski
p_ 662bf28c9ea987_36818916___ski
p_ 662bf28c9d6794_03269516___ski
p_ 662bf28c9eb0b9_95483132___ski
p_ 662bf28c9eb1c0_11931422___ski
p_ Попроборать 662bf28c9d4ea7_72487622___ski
p_ Онлайн 662bf28c9ea987_36818916___ski
p_ 662bf28c9d6794_03269516___ski
p_ 662bf28c9d6794_03269516___ski
p_ 662bf28c9d5166_04510642___ski
p_ 662bf28c9d6794_03269516___ski
p_ 662bf28c9eb758_66385970___ski
p_ 662bf28c9eb877_16632721___ski
p_ См. также 662bf28c9d6794_03269516___ski
p_ 662bf28c9eb9e9_73509178___ski
p_ 662bf28c9ebb01_54218873___ski
p_ 662bf28c9ebbb3_66853833___ski
p_ Финансовый анализ Онлайн 662bf28c9ea987_36818916___ski
p_ 662bf28c9d6794_03269516___ski
p_ 662bf28c9d6794_03269516___ski
p_ 662bf28c9d6794_03269516___ski
p_