Применение кластерного анализа для оценки вероятности банкротства сельскохозяйственных предприятий
О.
А. БлиновБиблиографическое описание статьи для цитирования:
Блинов
О.
А.,
Юсов
В.
С. Применение кластерного анализа для оценки вероятности банкротства сельскохозяйственных предприятий // Научно-методический электронный журнал «Концепт». –
2014. – Т. 20. – С.
2326–2330. – URL:
http://e-koncept.ru/2014/54729.htm.
Аннотация. Статья посвящена применению кластерного анализа для оценки вероятности банкротства сельскохозяйственных предприятий. В результате показано, что кластерный анализ позволяет разделять хозяйства по степени риска. Выделены хозяйства с высокой вероятностью возникновения банкротства.
Ключевые слова:
финансовое состояние, кластерный анализ, многомерный статистический анализ, предприятия апк, дендрограмма, банкротство
Текст статьи
Юсов Вадим Станиславович,кандидат сельскохозяйственных наук, доцент кафедры финансов и кредита, Институт Экономики и финансов ФГБОУ ВПО Омский Государственный Аграрный университет им. П.А. Столыпина, г. ОмскVS_YSOV@RAMBLER.RU
Блинов Олег Анатольевич,кандидат экономических наук, доцент кафедры бухгалтерского учета и аудита, Институт Экономики и финансов ФГБОУ ВПО Омский Государственный Аграрный университет им. П.А. Столыпина, г. Омск
Применение кластерного анализа для оценки вероятности банкротства сельскохозяйственных предприятий
Аннотация.Статья посвященаприменению кластерного анализа для оценки вероятности банкротства сельскохозяйственных предприятий.В результате показано, чтокластерный анализ позволяет разделять хозяйства по степени риска. Выделены хозяйства с высокой вероятностью возникновения банкротства. Ключевые слова:финансовое состояние, кластерный анализ, многомерный статистический анализ, предприятия АПК, дендрограмма, банкротство.
Негативные последствия, сбытовойи ценовой политикив современном сельском хозяйстве, кризис неплатежей, обострили до крайности вопрос платежеспособности.В современных условиях хозяйствования для предприятийважно оценивать свою платежеспособность и определять степень угрозы банкротства или риска потери имеющейся финансовой устойчивости.На сегодняшний деньсуществует много нормативных документов,методик, хотя и не во всех случаях совершенных,позволяющих прогнозировать неблагоприятный исход. Все эти методики и модели основаны на расчете специфических коэффициентов или использованиифакторные модели, разработанные с помощью многомерного дискриминантного анализа[3,6]Проблема оценкиидиагностики неплатежеспособности с точки зрения экономических взаимоотношений сегодня в большей степени актуальна в сфере потенциального партнера. Способность клиента обслуживать свою текущую задолженность вызывает интерес кредитных и страховых организаций. Государственными структурами прослеживается степень погашения хозяйствующими субъектами обязательных платежей в бюджет. Возможность снижения финансовой устойчивости и платежеспособности организации в перспективе принимается во внимание руководством организации при принятии управленческих решений.Для исследования использовались данные 27предприятий АПК районов Омской области различных форм собственности.Анализ хозяйственной деятельности проводился за два контрастных года: 2011 год характеризовался успешным в плане получения сельскохозяйственной продукции, а 2012 год был малопродуктивным. Использовались неконсолидированные квартальные бухгалтерские отчетности данных предприятий (Бухгалтерского баланса и Отчета о прибылях и убытках). Для данного исследования были рассчитаны 50количественных финансовых показателей,характеризующих платежеспособность, финансовую устойчивость, деловую активность, рентабельность и другие аспекты деятельности организацийпредложенных в работах [2, 4],
исследование проводилось на стандартизированных данных. Кластерный анализ проведен с помощью пакета STATISTICA 6.Также был проведен анализ оценки риска банкротствас помощью: системы показателей У.Бивера; пятифакторной моделью Э. Альтмана и интегральной бальной оценкой финансового состояния организации.В отличие от многих других статистических процедур, методы кластерного анализа используются в большинстве случаев тогда, когда не имеется какихлибо априорных гипотез относительно классификации. Кластерный анализ позволяет рассматривать большой (хотя и имеющий ограничения) объем информации и резко сокращать массивы информации, делать их компактными и наглядными. Существенную роль этот метод играет при анализе совокупностей временных рядов, характеризующих экономическое развитие (например, общехозяйственной и товарной конъюнктуры). Здесь можно выделять периоды, когда значения соответствующих показателей были достаточно близкими, а также определять группы временных рядов, динамика которых наиболее схожа. Кластерный анализ является одним из многомерныхметодов классификации предприятий. Он представляет собой совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается набором исходных переменных Х1, Х2, …, Хmи позволяет разбить исходную совокупность объектов на группы схожих, близких между собой объектов. На сегодняшний день известно огромное количество алгоритмов кластеризации, наиболее часто используется два основных типа кластерного анализа: иерархическийи осуществляемый методом kсредних.[1]
В первом случае автоматизированная статистическая процедура самостоятельно определяет оптимальное число кластеров и ряд других параметров, необходимых для кластерного анализа. Второй тип анализа имеет существенные ограничения по практической применимости для него необходимо определять и точное количество выделяемых кластеров, и начальные значения центров каждого кластера, и некоторые другие статистики. Для исследования был выбран первый метод. Для определения расстояния между парой кластеров был использован метод ©взвешенное попарное среднееª. [5]С помощью программного продукта была построена дендрограмма, которая демонстрирует в графическом виде последовательность объединения предприятий в кластерыпо результатамработы предприятий за 2011год (рис.1).Если рассматривать дендрограмму, то видно, что все предприятия были разбиты на 4 больших кластера: в первый отдельный кластер вошли: ОАО "Алабота", СПК “Любимовский”, ЗАО "Елизаветинское". Проверив эти хозяйства с помощью методик оценки банкротства мы получили, что доля вероятности банкротства очень высокая, т.е. предприятие является потенциальным банкротом (станет банкротомчерез год с вероятностью 95 %) табл.1. Во второй кластер вошли предприятия ООО "Благодаровское", ООО "Память Гейко В.А., "ЗАО Раздольное, ЗАО " Сергеевское",ОАО Агрокомплекс"Логиновский". В данном кластере согласно оценки вероятность банкротства достаточно высокая, т.е. предприятие может, как обанкротиться, так и продолжать функционировать.Третий самый большой кластер представлен предприятиями ОАО “Сибиряк”,ОАО “Целинное”,ОАО “Хлебодаровское”,ЗАО “Дары Сибири”,ЗАО "Колос",ЗАО "Степное", ЗАО "Богодуховское",ЗАО “Большеатмасское”,ООО "Объединение",СПК “Родник”,СПК "Рассохинский".Этот кластер включает в себя хозяйства с невысокой вероятностью банкротства. Так же в этом кластере выявилась отдельная группа предприятий СПК "Славянин",СПК (колхоз) "Комсомольский" которые занимают промежуточное положение между предприятиями с невысокойвероятностью возникновения банкротства и абсолютно устойчивыми.
Рис. 1 Древовидная диаграмма исследуемых предприятий в 2011 году.Последний четвертый кластер представлен абсолютно устойчивыми предприятиями, ООО Сибирская мука,ООО "Мельникова",ООО “Первый шаг”,СПК "Ермак",Колхоз "Ганновский"у которых отсутствует риск возникновения банкротства, это подтверждается оценкой вероятности наступления банкротства методиками приведенными в таблице 1.
Таблица 1
Оценка вероятности банкротствапредприятий в 2011 годуПредприятияКоэффициент У. Бивера
Коэффициента текущей ликвидности У. Бивера
Модель
Э. АльтманаИнтегральная бальная оценка финансового состояния организацииОАО "Алабота"высокаявысокаявысокаякризисноеСПК “Любимовский”высокаявысокаявысокаякризисноеЗАО “Елизаветинское”высокаявысокаявысокаякризисноеООО "Благодаровское"среднеесредняявысокаянеустойчивоеООО "Память Гейко В.А."среднеевысокаявысокаянеустойчивоеЗАО “Раздольное”среднеевысокаявысокаянеустойчивоеЗАО " СЕРГЕЕВСКОЕ"среднеевысокаявысокаянеустойчивоеОАО "Агрокомплекс "Логиновский"среднеесредняявысокаянеустойчивоеСПК ©Новороссийскийªнезначительнаявысокаявысокая
неустойчивоеОАО “Сибиряк”незначительнаяотсутствуетсреднеенеустойчивоеОАО “Целинное”незначительнаяотсутствуетсреднеесреднееОАО “Хлебодаровское”незначительнаяотсутствуетсреднеенеустойчивоеЗАО “Дары Сибири”незначительнаяотсутствуетсреднеесреднееЗАО "Колос"незначительнаяотсутствуетсреднеесреднееЗАО "Степное"незначительнаяотсутствуетсреднеенеустойчивоеЗАО "Богодуховское"незначительнаяотсутствуетсреднеесреднееЗАО БольшеатмасскоенезначительнаяотсутствуетсреднеенеустойчивоеООО "Объединение"незначительнаяотсутствуетсреднеесреднееСПК “Родник”незначительнаяотсутствуетсреднеенеустойчивоеСПК "Рассохинский"незначительнаяотсутствуетсреднеесреднееСПК "Славянин"незначительнаяотсутствуетотсутствуетнормальноеСПК (колхоз) "Комсомольский"незначительнаяотсутствуетотсутствуетнормальноеООО “Сибирская мука”незначительнаяотсутствуетотсутствуетнормальноеООО "Мельникова"незначительнаяотсутствуетотсутствуетнормальноеООО “Первый шаг”незначительнаяотсутствуетотсутствуетсреднееСПК "Ермак"незначительнаяотсутствуетотсутствуетсреднееКолхоз "Ганновский"незначительнаяотсутствуетотсутствуетсреднее
Для оценки изменения финансовой ситуации был проведен анализ этих же предприятий в 2012 году. Все предприятия также разбились на 4 больших кластера.рис.2. В первый кластер с высокой долей вероятностью банкротства вошли: ОАО "Алабота", СПК “Любимовский”,а так же добавились предприятия ОАО “Сибиряк”, ОАО "Агрокомплекс “Логиновский",которые стали намного ближе к банкротам. Так же в этот кластер вошло ранее успешное предприятие СПК "Комсомольский"у которого
резко ухудшилосьфинансовоесостояния табл.2.Во второмкластере остались предприятия: ЗАО “Раздольное”, ООО "Память Гейко В.А.", ООО "Благодаровское", ЗАО " Сергеевское" и добавились ранее успешные предприятия:ООО “Сибирская мука”,СПК "Славянин"
Рис. 2 Древовидная диаграмма исследуемых предприятийв 2012 году.Третий кластер представлен предприятиями:СПК "Рассохинский",ООО "Объединение",ЗАО “Дары Сибири”,ЗАО "Колос", ЗАО "Степное", ООО "Мельникова",СПК “Новороссийский”, СПК “Родник”.В это же кластер добавилось предприятие ЗАО “Елизаветинское”В последнемчетвертый кластере остались предприятия:
Колхоз "Ганновский",ООО “Первый шаг”, СПК "Ермак" и добавились предприятия которые улучшили свое финансовое состояние ЗАО "Богодуховское",ЗАО “Большеатмасское”,ОАО “Целинное”,ОАО “Хлебодаровское”. Таким образом применение методакластерного анализа позволило проанализировав финансовые показатели сельскохозяйственных предприятий за два контрастных года, выделить успешные предприятия: Колхоз"Ганновский", ООО “Первый шаг”, СПК "Ермак"и предприятия потенциальные банкроты: ОАО "Алабота", СПК “Любимовский”. Использование кластерного анализа дает значительный эффект, когда изучается большое количество предприятий и нужен общий анализ состояния отрасли.
Таблица 2
Оценка вероятности банкротства предприятий в 2012годуПредприятияКоэффициент У. Бивера
Коэффициента текущей ликвидности У. Бивера
Модель
Э. АльтманаИнтегральная бальная оценка финансового состояния организацииОАО "Алабота"высокаявысокаявысокаякризисноеОАО СибиряквысокаявысокаявысокаякризисноеСПК (колхоз) "Комсомольский"высокаявысокаявысокаякризисноеСПК ЛюбимовскийвысокаявысокаявысокаякризисноеОАО "Агрокомплекс"Логиновский"незначительнаявысокаявысокаякризисноеООО Сибирская мукасреднеевысокаявысокая
неустойчивоеСПК "Славянин"среднеевысокаявысокая
неустойчивоеЗАО " СЕРГЕЕВСКОЕ"среднеевысокаявысокая
неустойчивоеООО "Благодаровское"среднеевысокаявысокая
неустойчивоеООО "Память Гейко В.А."среднеевысокаявысокая
неустойчивоеЗАО Раздольноенезначительнаяотсутствует среднее
неустойчивоеСПК "Рассохинский"незначительнаяотсутствуетсреднеесреднееООО "Объединение"среднееотсутствуетвысокаясреднееЗАО Дары СибиринезначительнаяотсутствуетсреднеесреднееЗАО "Колос"незначительнаяотсутствуетсреднеесреднееЗАО "Степное"незначительнаяотсутствуетсреднеесреднееООО "Мельникова"среднееотсутствуетсреднеесреднееЗАО ЕлизаветинскоенезначительнаяотсутствуетсреднеесреднееСПК ©НовороссийскийªнезначительнаяотсутствуетсреднеесреднееСПК РодникнезначительнаяотсутствуетсреднеесреднееЗАО "Богодуховское"незначительнаяотсутствуетотсутствуетнормальноеСПК "Ермак"незначительнаяотсутствуетотсутствуетнормальноеЗАО БольшеатмасскоенезначительнаяотсутствуетсреднеенормальноеООО Первый шагнезначительнаяотсутствуетотсутствуетнормальноеОАО ЦелинноенезначительнаяотсутствуетотсутствуетсреднееОАО ХлебодаровскоенезначительнаяотсутствуетотсутствуетнормальноеКолхоз "Ганновский"незначительнаяотсутствуетотсутствуетнормальное
Проводя кластеризацию иерархическим кластерным анализом, на стандартизированных данных и определяя расстояние между кластерами ©взвешенным попарным среднимª, на основе коэффициента корреляции Пирсона финансово неустойчивые предприятия всегда будут в верхней части дендрограммы, а устойчивые в нижней.
Ссылкина источники1.Дюран Б. Кластерный анализ. М.: Статистика, 2012. 130с.2.Лысенко Д.В. Комплексный экономический анализ хозяйственной деятельности / Д.В. Лысенко М. : ИНФРАМ, 2008. 320 с.3.Мазурова И.И. Методы оценки вероятности банкротства предприятия : учеб. пособие / И.И. Мазурова, Н.П. Белозерова, Т.М. Леонова, М.М. Подшивалова. СПб: Издво СПбГУЭФ, 2012. 53 с.4.Методика финансового анализа / А. Д. Шеремет, Е. В. Негашев М. : ИНФРАМ, 2000. 208 с. 5.Юсов В.С. Применение кластерного анализа для оценки финансового состояния на примере предприятий АПК Омской области / Юсов В.С. Е.В. Коваленко Вестник АГАУ № 3 (101) Барнаул, 2013С.130132 6.Юсова Ю.С. Экономический анализ учеб. Пособие / Ю.С. Юсова, В.С. ЮсовОмск: Издво ФГОУ ВПО ОмГАУ, 2008136 с.
Yusov Vadim Candidate of Agricultural Sciences, associate professor of finance and credit, Institute of Economics and Finance FGBOU VPO Omsk State Agrarian University. P.A. Stolypin, Omsk.VS_YSOV@RAMBLER.RUOleg Blinov Candidate of Economic Sciences assistant professor of accounting and auditing, the Institute of Economics and Finance FGBOU VPO Omsk State Agrarian University. P.A.Stolypin, Omsk.Use of cluster analysis to estimate the probability of bankruptcy of agricultural enterprises. Abstract. Article is devoted to the use of cluster analysis to assess the probabilities of bankruptcy agricultural enterprises. As a result shown that the cluster analysis allows to separate farms for powerrisk. Allocated farms with a high probability of bankruptcy. Keywords: financial condition, cluster analysis, multivariate statistical analysis, agribusiness companies, dendrogram, bankruptcy.
Блинов Олег Анатольевич,кандидат экономических наук, доцент кафедры бухгалтерского учета и аудита, Институт Экономики и финансов ФГБОУ ВПО Омский Государственный Аграрный университет им. П.А. Столыпина, г. Омск
Применение кластерного анализа для оценки вероятности банкротства сельскохозяйственных предприятий
Аннотация.Статья посвященаприменению кластерного анализа для оценки вероятности банкротства сельскохозяйственных предприятий.В результате показано, чтокластерный анализ позволяет разделять хозяйства по степени риска. Выделены хозяйства с высокой вероятностью возникновения банкротства. Ключевые слова:финансовое состояние, кластерный анализ, многомерный статистический анализ, предприятия АПК, дендрограмма, банкротство.
Негативные последствия, сбытовойи ценовой политикив современном сельском хозяйстве, кризис неплатежей, обострили до крайности вопрос платежеспособности.В современных условиях хозяйствования для предприятийважно оценивать свою платежеспособность и определять степень угрозы банкротства или риска потери имеющейся финансовой устойчивости.На сегодняшний деньсуществует много нормативных документов,методик, хотя и не во всех случаях совершенных,позволяющих прогнозировать неблагоприятный исход. Все эти методики и модели основаны на расчете специфических коэффициентов или использованиифакторные модели, разработанные с помощью многомерного дискриминантного анализа[3,6]Проблема оценкиидиагностики неплатежеспособности с точки зрения экономических взаимоотношений сегодня в большей степени актуальна в сфере потенциального партнера. Способность клиента обслуживать свою текущую задолженность вызывает интерес кредитных и страховых организаций. Государственными структурами прослеживается степень погашения хозяйствующими субъектами обязательных платежей в бюджет. Возможность снижения финансовой устойчивости и платежеспособности организации в перспективе принимается во внимание руководством организации при принятии управленческих решений.Для исследования использовались данные 27предприятий АПК районов Омской области различных форм собственности.Анализ хозяйственной деятельности проводился за два контрастных года: 2011 год характеризовался успешным в плане получения сельскохозяйственной продукции, а 2012 год был малопродуктивным. Использовались неконсолидированные квартальные бухгалтерские отчетности данных предприятий (Бухгалтерского баланса и Отчета о прибылях и убытках). Для данного исследования были рассчитаны 50количественных финансовых показателей,характеризующих платежеспособность, финансовую устойчивость, деловую активность, рентабельность и другие аспекты деятельности организацийпредложенных в работах [2, 4],
исследование проводилось на стандартизированных данных. Кластерный анализ проведен с помощью пакета STATISTICA 6.Также был проведен анализ оценки риска банкротствас помощью: системы показателей У.Бивера; пятифакторной моделью Э. Альтмана и интегральной бальной оценкой финансового состояния организации.В отличие от многих других статистических процедур, методы кластерного анализа используются в большинстве случаев тогда, когда не имеется какихлибо априорных гипотез относительно классификации. Кластерный анализ позволяет рассматривать большой (хотя и имеющий ограничения) объем информации и резко сокращать массивы информации, делать их компактными и наглядными. Существенную роль этот метод играет при анализе совокупностей временных рядов, характеризующих экономическое развитие (например, общехозяйственной и товарной конъюнктуры). Здесь можно выделять периоды, когда значения соответствующих показателей были достаточно близкими, а также определять группы временных рядов, динамика которых наиболее схожа. Кластерный анализ является одним из многомерныхметодов классификации предприятий. Он представляет собой совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается набором исходных переменных Х1, Х2, …, Хmи позволяет разбить исходную совокупность объектов на группы схожих, близких между собой объектов. На сегодняшний день известно огромное количество алгоритмов кластеризации, наиболее часто используется два основных типа кластерного анализа: иерархическийи осуществляемый методом kсредних.[1]
В первом случае автоматизированная статистическая процедура самостоятельно определяет оптимальное число кластеров и ряд других параметров, необходимых для кластерного анализа. Второй тип анализа имеет существенные ограничения по практической применимости для него необходимо определять и точное количество выделяемых кластеров, и начальные значения центров каждого кластера, и некоторые другие статистики. Для исследования был выбран первый метод. Для определения расстояния между парой кластеров был использован метод ©взвешенное попарное среднееª. [5]С помощью программного продукта была построена дендрограмма, которая демонстрирует в графическом виде последовательность объединения предприятий в кластерыпо результатамработы предприятий за 2011год (рис.1).Если рассматривать дендрограмму, то видно, что все предприятия были разбиты на 4 больших кластера: в первый отдельный кластер вошли: ОАО "Алабота", СПК “Любимовский”, ЗАО "Елизаветинское". Проверив эти хозяйства с помощью методик оценки банкротства мы получили, что доля вероятности банкротства очень высокая, т.е. предприятие является потенциальным банкротом (станет банкротомчерез год с вероятностью 95 %) табл.1. Во второй кластер вошли предприятия ООО "Благодаровское", ООО "Память Гейко В.А., "ЗАО Раздольное, ЗАО " Сергеевское",ОАО Агрокомплекс"Логиновский". В данном кластере согласно оценки вероятность банкротства достаточно высокая, т.е. предприятие может, как обанкротиться, так и продолжать функционировать.Третий самый большой кластер представлен предприятиями ОАО “Сибиряк”,ОАО “Целинное”,ОАО “Хлебодаровское”,ЗАО “Дары Сибири”,ЗАО "Колос",ЗАО "Степное", ЗАО "Богодуховское",ЗАО “Большеатмасское”,ООО "Объединение",СПК “Родник”,СПК "Рассохинский".Этот кластер включает в себя хозяйства с невысокой вероятностью банкротства. Так же в этом кластере выявилась отдельная группа предприятий СПК "Славянин",СПК (колхоз) "Комсомольский" которые занимают промежуточное положение между предприятиями с невысокойвероятностью возникновения банкротства и абсолютно устойчивыми.
Рис. 1 Древовидная диаграмма исследуемых предприятий в 2011 году.Последний четвертый кластер представлен абсолютно устойчивыми предприятиями, ООО Сибирская мука,ООО "Мельникова",ООО “Первый шаг”,СПК "Ермак",Колхоз "Ганновский"у которых отсутствует риск возникновения банкротства, это подтверждается оценкой вероятности наступления банкротства методиками приведенными в таблице 1.
Таблица 1
Оценка вероятности банкротствапредприятий в 2011 годуПредприятияКоэффициент У. Бивера
Коэффициента текущей ликвидности У. Бивера
Модель
Э. АльтманаИнтегральная бальная оценка финансового состояния организацииОАО "Алабота"высокаявысокаявысокаякризисноеСПК “Любимовский”высокаявысокаявысокаякризисноеЗАО “Елизаветинское”высокаявысокаявысокаякризисноеООО "Благодаровское"среднеесредняявысокаянеустойчивоеООО "Память Гейко В.А."среднеевысокаявысокаянеустойчивоеЗАО “Раздольное”среднеевысокаявысокаянеустойчивоеЗАО " СЕРГЕЕВСКОЕ"среднеевысокаявысокаянеустойчивоеОАО "Агрокомплекс "Логиновский"среднеесредняявысокаянеустойчивоеСПК ©Новороссийскийªнезначительнаявысокаявысокая
неустойчивоеОАО “Сибиряк”незначительнаяотсутствуетсреднеенеустойчивоеОАО “Целинное”незначительнаяотсутствуетсреднеесреднееОАО “Хлебодаровское”незначительнаяотсутствуетсреднеенеустойчивоеЗАО “Дары Сибири”незначительнаяотсутствуетсреднеесреднееЗАО "Колос"незначительнаяотсутствуетсреднеесреднееЗАО "Степное"незначительнаяотсутствуетсреднеенеустойчивоеЗАО "Богодуховское"незначительнаяотсутствуетсреднеесреднееЗАО БольшеатмасскоенезначительнаяотсутствуетсреднеенеустойчивоеООО "Объединение"незначительнаяотсутствуетсреднеесреднееСПК “Родник”незначительнаяотсутствуетсреднеенеустойчивоеСПК "Рассохинский"незначительнаяотсутствуетсреднеесреднееСПК "Славянин"незначительнаяотсутствуетотсутствуетнормальноеСПК (колхоз) "Комсомольский"незначительнаяотсутствуетотсутствуетнормальноеООО “Сибирская мука”незначительнаяотсутствуетотсутствуетнормальноеООО "Мельникова"незначительнаяотсутствуетотсутствуетнормальноеООО “Первый шаг”незначительнаяотсутствуетотсутствуетсреднееСПК "Ермак"незначительнаяотсутствуетотсутствуетсреднееКолхоз "Ганновский"незначительнаяотсутствуетотсутствуетсреднее
Для оценки изменения финансовой ситуации был проведен анализ этих же предприятий в 2012 году. Все предприятия также разбились на 4 больших кластера.рис.2. В первый кластер с высокой долей вероятностью банкротства вошли: ОАО "Алабота", СПК “Любимовский”,а так же добавились предприятия ОАО “Сибиряк”, ОАО "Агрокомплекс “Логиновский",которые стали намного ближе к банкротам. Так же в этот кластер вошло ранее успешное предприятие СПК "Комсомольский"у которого
резко ухудшилосьфинансовоесостояния табл.2.Во второмкластере остались предприятия: ЗАО “Раздольное”, ООО "Память Гейко В.А.", ООО "Благодаровское", ЗАО " Сергеевское" и добавились ранее успешные предприятия:ООО “Сибирская мука”,СПК "Славянин"
Рис. 2 Древовидная диаграмма исследуемых предприятийв 2012 году.Третий кластер представлен предприятиями:СПК "Рассохинский",ООО "Объединение",ЗАО “Дары Сибири”,ЗАО "Колос", ЗАО "Степное", ООО "Мельникова",СПК “Новороссийский”, СПК “Родник”.В это же кластер добавилось предприятие ЗАО “Елизаветинское”В последнемчетвертый кластере остались предприятия:
Колхоз "Ганновский",ООО “Первый шаг”, СПК "Ермак" и добавились предприятия которые улучшили свое финансовое состояние ЗАО "Богодуховское",ЗАО “Большеатмасское”,ОАО “Целинное”,ОАО “Хлебодаровское”. Таким образом применение методакластерного анализа позволило проанализировав финансовые показатели сельскохозяйственных предприятий за два контрастных года, выделить успешные предприятия: Колхоз"Ганновский", ООО “Первый шаг”, СПК "Ермак"и предприятия потенциальные банкроты: ОАО "Алабота", СПК “Любимовский”. Использование кластерного анализа дает значительный эффект, когда изучается большое количество предприятий и нужен общий анализ состояния отрасли.
Таблица 2
Оценка вероятности банкротства предприятий в 2012годуПредприятияКоэффициент У. Бивера
Коэффициента текущей ликвидности У. Бивера
Модель
Э. АльтманаИнтегральная бальная оценка финансового состояния организацииОАО "Алабота"высокаявысокаявысокаякризисноеОАО СибиряквысокаявысокаявысокаякризисноеСПК (колхоз) "Комсомольский"высокаявысокаявысокаякризисноеСПК ЛюбимовскийвысокаявысокаявысокаякризисноеОАО "Агрокомплекс"Логиновский"незначительнаявысокаявысокаякризисноеООО Сибирская мукасреднеевысокаявысокая
неустойчивоеСПК "Славянин"среднеевысокаявысокая
неустойчивоеЗАО " СЕРГЕЕВСКОЕ"среднеевысокаявысокая
неустойчивоеООО "Благодаровское"среднеевысокаявысокая
неустойчивоеООО "Память Гейко В.А."среднеевысокаявысокая
неустойчивоеЗАО Раздольноенезначительнаяотсутствует среднее
неустойчивоеСПК "Рассохинский"незначительнаяотсутствуетсреднеесреднееООО "Объединение"среднееотсутствуетвысокаясреднееЗАО Дары СибиринезначительнаяотсутствуетсреднеесреднееЗАО "Колос"незначительнаяотсутствуетсреднеесреднееЗАО "Степное"незначительнаяотсутствуетсреднеесреднееООО "Мельникова"среднееотсутствуетсреднеесреднееЗАО ЕлизаветинскоенезначительнаяотсутствуетсреднеесреднееСПК ©НовороссийскийªнезначительнаяотсутствуетсреднеесреднееСПК РодникнезначительнаяотсутствуетсреднеесреднееЗАО "Богодуховское"незначительнаяотсутствуетотсутствуетнормальноеСПК "Ермак"незначительнаяотсутствуетотсутствуетнормальноеЗАО БольшеатмасскоенезначительнаяотсутствуетсреднеенормальноеООО Первый шагнезначительнаяотсутствуетотсутствуетнормальноеОАО ЦелинноенезначительнаяотсутствуетотсутствуетсреднееОАО ХлебодаровскоенезначительнаяотсутствуетотсутствуетнормальноеКолхоз "Ганновский"незначительнаяотсутствуетотсутствуетнормальное
Проводя кластеризацию иерархическим кластерным анализом, на стандартизированных данных и определяя расстояние между кластерами ©взвешенным попарным среднимª, на основе коэффициента корреляции Пирсона финансово неустойчивые предприятия всегда будут в верхней части дендрограммы, а устойчивые в нижней.
Ссылкина источники1.Дюран Б. Кластерный анализ. М.: Статистика, 2012. 130с.2.Лысенко Д.В. Комплексный экономический анализ хозяйственной деятельности / Д.В. Лысенко М. : ИНФРАМ, 2008. 320 с.3.Мазурова И.И. Методы оценки вероятности банкротства предприятия : учеб. пособие / И.И. Мазурова, Н.П. Белозерова, Т.М. Леонова, М.М. Подшивалова. СПб: Издво СПбГУЭФ, 2012. 53 с.4.Методика финансового анализа / А. Д. Шеремет, Е. В. Негашев М. : ИНФРАМ, 2000. 208 с. 5.Юсов В.С. Применение кластерного анализа для оценки финансового состояния на примере предприятий АПК Омской области / Юсов В.С. Е.В. Коваленко Вестник АГАУ № 3 (101) Барнаул, 2013С.130132 6.Юсова Ю.С. Экономический анализ учеб. Пособие / Ю.С. Юсова, В.С. ЮсовОмск: Издво ФГОУ ВПО ОмГАУ, 2008136 с.
Yusov Vadim Candidate of Agricultural Sciences, associate professor of finance and credit, Institute of Economics and Finance FGBOU VPO Omsk State Agrarian University. P.A. Stolypin, Omsk.VS_YSOV@RAMBLER.RUOleg Blinov Candidate of Economic Sciences assistant professor of accounting and auditing, the Institute of Economics and Finance FGBOU VPO Omsk State Agrarian University. P.A.Stolypin, Omsk.Use of cluster analysis to estimate the probability of bankruptcy of agricultural enterprises. Abstract. Article is devoted to the use of cluster analysis to assess the probabilities of bankruptcy agricultural enterprises. As a result shown that the cluster analysis allows to separate farms for powerrisk. Allocated farms with a high probability of bankruptcy. Keywords: financial condition, cluster analysis, multivariate statistical analysis, agribusiness companies, dendrogram, bankruptcy.
