662bf28c9d5593_70710752___skip_ 662bf28c9d5698_03045992___skip_ Критический анализ существующих инструментов идентификации рисков банкротства предприятия 662bf28c9d5817_60284526___skip_ 662bf28c9d5951_02560141___skip_ Романова Ольга Олеговна 662bf28c9d5a80_86413306___skip_ ФГБОУ ВПО  «Липецкий государственный технический университет», 662bf28c9d5a80_86413306___skip_ г. Липецк, Российская Федерация, 662bf28c9d5a80_86413306___skip_ Иода Елена Васильевна 662bf28c9d5a80_86413306___skip_ ФГБОУ ВПО  «Липецкий государственный технический университет», 662bf28c9d5a80_86413306___skip_ г. Липецк, Российская Федерация, 662bf28c9d5a80_86413306___skip_ Социально-экономические явления и процессы 662bf28c9d5a80_86413306___skip_ Т.10, №8, 2015 662bf28c9d5d43_06038811___skip_ 662bf28c9d5e88_12951663___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d61c0_76338244___skip_ 662bf28c9d62a5_15812771___skip_ приведен сравнительный анализ существующих подходов к решению научной проблемы прогнозирования дефолта; 662bf28c9d63b0_71579375___skip_ 662bf28c9d62a5_15812771___skip_ приведены достоинства и недостатки подходов; 662bf28c9d63b0_71579375___skip_ 662bf28c9d62a5_15812771___skip_ детально исследованы вопросы применимости аппарата многомерных адаптивных регрессионных сплайнов (МАРС) для решения поставленных задач; 662bf28c9d63b0_71579375___skip_ 662bf28c9d62a5_15812771___skip_ отражены результаты их ограниченности применимости существующих подходов к идентификации рисков банкротства для условий российских реалий. 662bf28c9d63b0_71579375___skip_ 662bf28c9d6664_56058582___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d6aa2_39266966___skip_ Таблица 1.Развитие исследований в области предсказания банкротства 662bf28c9d5d43_06038811___skip_ 662bf28c9d6c34_79506721___skip_ 662bf28c9d6d16_70235997___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Дискриминантный анализ 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Логит-регрессия 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Пробит-регрессия 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Нейронные сети 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Другие методы 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d7476_69316772___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ 1960-е 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 2 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 0 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 0 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 0 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 1 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ 1970-е 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 22 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 1 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 1 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 0 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 4 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ 1980-е 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 28 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 16 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 3 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 1 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 7 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ 1990-е 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 9 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 16 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 3 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 35 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 11 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ 2000-е 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 2 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 3 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 0 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 4 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 3 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Итого 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 63 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 36 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 7 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 40 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ 26 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d8444_87078034___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d6aa2_39266966___skip_ Таблица 2. Результаты сравнения наиболее популярных подходов к анализу кредитоспособности и предсказанию вероятности банкротства 662bf28c9d5d43_06038811___skip_ 662bf28c9d6c34_79506721___skip_ 662bf28c9d6d16_70235997___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Подход к моделированию 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Преимущества 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Недостатки 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d7476_69316772___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Дискриминантньш анализ 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Традиционно используется в данной задаче; 662bf28c9d5a80_86413306___skip_ большое число готовых методов и моделей; 662bf28c9d5a80_86413306___skip_ достаточно приемлемая точность. 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Ограничения на нормальность остатков; 662bf28c9d5a80_86413306___skip_ требование к независимости наблюдений; 662bf28c9d5a80_86413306___skip_ предположение об однородности данных; 662bf28c9d5a80_86413306___skip_ высокая чувствительность к недостоверным данным; 662bf28c9d5a80_86413306___skip_ исследование линейной связи между зависимой и объясняющими переменными; 662bf28c9d5a80_86413306___skip_ проблема «проклятия размерности»; 662bf28c9d5a80_86413306___skip_ сложности построения подобной модели в российских условиях; 662bf28c9d5a80_86413306___skip_ необходимость систематического пересчета коэффициентов 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Регрессионные модели 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Высокая точность при предсказании дихотомичных исходов; 662bf28c9d5a80_86413306___skip_ простота применимости на практике 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Исследование линейной связи между зависимой и объясняющими переменными; 662bf28c9d5a80_86413306___skip_ ограничения на нормальность остатков; 662bf28c9d5a80_86413306___skip_ проблема «проклятия размерности»; 662bf28c9d5a80_86413306___skip_ независимость наблюдений 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Нейронные сети 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Возможность исследования нелинейных зависимостей; 662bf28c9d5a80_86413306___skip_ более высокая точность (по сравнению с дискриминантным анализом и регрессионными моделями); 662bf28c9d5a80_86413306___skip_ независимость от прикладной области; отсутствие ограничений 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Длительный процесс обучения сети; 662bf28c9d5a80_86413306___skip_ сложности при выборе выходных переменных из массива финансовых показателей; 662bf28c9d5a80_86413306___skip_ сложности интерпретации (работа сети по принципу «черного ящика»); 662bf28c9d5a80_86413306___skip_ сложности подбора структуры сети 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ МАР-сплайны 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Лишены «проклятия размерности»; 662bf28c9d5a80_86413306___skip_ отсутствие жестких ограничений; 662bf28c9d5a80_86413306___skip_ возможности исследования нелинейных связей 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Точность зависит от входных данных 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Подход к моделированию 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Преимущества возможность выбора «важных» факторов из базисов; 662bf28c9d5a80_86413306___skip_ простота интерпретации 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Недостатки 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Модель эталонного сравнения (CBR) 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Универсальный классификационный алгоритм 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Низкая прогнозная точность; низкая скорость работы 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ CART-деревья 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Простота вычислений; 662bf28c9d5a80_86413306___skip_ возможность применения в различных областях; 662bf28c9d5a80_86413306___skip_ быстрота 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Трудности при использовании статистических методов при построении дерева 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Комплексные подходы 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Анализ как числовых, так и категориальных величин; 662bf28c9d5a80_86413306___skip_ комплексность подхода 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Сложности реализации полноценного метода в России; 662bf28c9d5a80_86413306___skip_ пренебрежение формализованными методиками; длительность анализа; 662bf28c9d5a80_86413306___skip_ проблема выбора базисных методов анализа; 662bf28c9d5a80_86413306___skip_ в случае отказа от формализованных методик - субъективность анализа 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d6de4_58767601___skip_ 662bf28c9d6ef3_14788469___skip_ Гибридные модели 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Большая точность; 662bf28c9d5a80_86413306___skip_ лишены недостатков отдельных моделей (при правильном построении) 662bf28c9d6ff6_20929840___skip_ 662bf28c9d6ef3_14788469___skip_ Зависят от конкретного метода; 662bf28c9d5a80_86413306___skip_ сложность моделирования гибридного подхода 662bf28c9d6ff6_20929840___skip_ 662bf28c9d7374_74179425___skip_ 662bf28c9d8444_87078034___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d61c0_76338244___skip_ 662bf28c9d62a5_15812771___skip_ информационная закрытость предприятий, ограниченность массива данных для проведения качественного исследования; 662bf28c9d63b0_71579375___skip_ 662bf28c9d62a5_15812771___skip_ намеренное искажение финансовой картины российскими предприятиями в целях снижения налогооблагаемой базы и сохранения рентабельности бизнеса; 662bf28c9d63b0_71579375___skip_ 662bf28c9d62a5_15812771___skip_ различия в стандартах российской системы бухгалтерского учета (РСБУ) и зарубежных системах бухгалтерского учета; 662bf28c9d63b0_71579375___skip_ 662bf28c9d62a5_15812771___skip_ необходимость систематической актуализации коэффициентов в расчетных моделях, ввиду устаревания информации. 662bf28c9d63b0_71579375___skip_ 662bf28c9d6664_56058582___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9d5f96_81931395___skip_ 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___skip_ 662bf28c9e9903_99470064___skip_ Литература 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 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___skip_ 662bf28c9e9ac1_23909687___skip_ 2. FitzPatrick P.J. A Comparison of the Ratios of Successful Industrial Enterprises With Those of Failed Companies // Journal of Accounting Research. 1932. October. P. 598-605. 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 3. Beaver W.H. Financial Rations and Predictions of Failure //Empirical Research in Accounting Selected Studies, Supplement to Journal of Accounting Research, 1966. Р. 68-94. 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 4. Bellovary J., Giacomino D., Akers M. A review of bankruptcy prediction studies: 1930 to present // Journal of Financial Education. 2007. № 33. P. 234-356. 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 5. Черных О.О. Проблемы современных подходов к оценке кредитоспособности заемщика. URL: http://www.sworld.com.ua/index.php/ru/economy-312/financial-cash-flow-and-credit-312/14269-312-141 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 6. A hybrid model for bankruptcy prediction using genetic algorithm, fuzzy c-means, and MARS / A. Martin, V. Gayathri, G. Saranya, P. Gayathri, P. Venkatesan // International Journal on Soft Computing ( IJSC). 2011. № 1. P. 213-245. 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 7. Fisher R.A. The use of multiple measurements in taxonomic problems // Annals of Eugenics. 1936. № 7. P. 179-188. 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 8. Fulmer, John G. et al.: A Bankruptcy Classification Model For Small Firms. Journal of Commercial Bank Lending, 1984. Р. 25-37 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 9. Kirchesch K. Financial risks, bankruptcy probabilities, and the investment behaviour of enterprises // HWWA DISCUSSION PAPER. 2004. № 299. P. 213-254. 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 10. Sharma D. The role of cash flow information in predicting corporate failure: The state of the literature // The British Accounting Review. 2001. № 7. P.134-156. 662bf28c9d5d43_06038811___skip_ 662bf28c9e9ac1_23909687___skip_ 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___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9ea4a5_90605305___skip_ 662bf28c9ea5c4_55459881___skip_ Метки 662bf28c9d6794_03269516___skip_ 662bf28c9ea756_77159218___skip_ 662bf28c9ea889_59705202___skip_ риск 662bf28c9ea987_36818916___skip_ 662bf28c9eaa33_28049670___skip_ банкротство 662bf28c9ea987_36818916___skip_ 662bf28c9eab69_19371581___skip_ многомерные адаптивные регрессионные сплайны 662bf28c9ea987_36818916___skip_ 662bf28c9eac20_70313236___skip_ риск дефолта 662bf28c9ea987_36818916___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9ead19_68231125___skip_ Программа Финансовый анализ - 662bf28c9d4cd9_48690533___skip_ для анализа финансового состояния предприятия, позволяющая рассчитывать большое количество финансово-экономических коэффициентов. 662bf28c9d5a80_86413306___skip_ 662bf28c9eae60_71954177___skip_ 662bf28c9eaf62_95839704___skip_ Скачать программу 662bf28c9d4ea7_72487622___skip_ 662bf28c9ea987_36818916___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9eb0b9_95483132___skip_ 662bf28c9eb1c0_11931422___skip_ Попроборать 662bf28c9d4ea7_72487622___skip_ Онлайн 662bf28c9ea987_36818916___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9d5166_04510642___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9eb758_66385970___skip_ 662bf28c9eb877_16632721___skip_ См. также 662bf28c9d6794_03269516___skip_ 662bf28c9eb9e9_73509178___skip_ 662bf28c9ebb01_54218873___skip_ 662bf28c9ebbb3_66853833___skip_ Финансовый анализ Онлайн 662bf28c9ea987_36818916___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9d6794_03269516___skip_ 662bf28c9d6794_03269516___skip_