Прогнозирование банкротства российских компаний: межотраслевое сравнение

Демешев Борис Борисович and Тихонова Анна Сергеевна
Additional contact information
Демешев Борис Борисович: Национальный исследовательский университет "Высшая школа экономики"

Higher School of Economics Economic Journal Экономический журнал Высшей школы экономики, 2014, vol. 18, issue 3, 359-386

Abstract: Цель данной работы сравнение подходов к моделированию критического финансового положения средних и малых российских непубличных компаний разных отраслей с помощью финансовых и нефинансовых показателей в 2011-2012 гг. Нами использованы методы прогнозирования: логити пробит-модели, линейный дискриминантный анализ, квадратичный дискриминантный анализ, дискриминантный анализ смеси распределений, классификационное дерево и алгоритм случайного леса. В исходной выборке содержится около миллиона наблюдений из базы данных «Руслана», которые относятся к периоду 2011-2012 гг. Вместо понятия банкротства мы используем понятие критического финансового положения, которое вынуждает компанию либо закрыться добровольно, либо быть ликвидированной по процедуре легального банкротства. Исследуемые компании относятся к четырем отраслям: обрабатывающим производствам, операциям с недвижимостью, оптовой и розничной торговле и строительству. Сравнивая отрасли, мы приходим к нескольким важным выводам. С одной стороны, нужно строить отдельные модели для разных отраслей, поскольку разница между отраслями не может быть описана с помощью одного-двух дополнительных регрессоров в виде дамми-переменных. С другой стороны, между отраслями много общего. Во-первых, сильно похожим между отраслями выходит ранжирование переменных по важности. Это, в частности, приводит к тому, что для всех четырех отраслей в качестве оптимального мы выбираем один и тот же набор регрессоров из рассматриваемых нами шести альтернатив. Вне зависимости от отрасли включение нефинансовых показателей улучшает прогнозную силу модели. Важными нефинансовыми переменными являются возраст компании и федеральный округ. Размер компании оказывает меньшее влияние, а организационная форма является самым слабым предиктором. Во-вторых, наилучшим алгоритмом стабильно оказывается случайный лес. Для всех отраслей у случайного леса показатель качества прогнозов (площадь под ROC-кривой) достигает примерно 3/4. Задача прогнозирования дефолта предприятия на следующий год интересна как банкам и другим кредиторам предприятий, так и государственным контролирующим органам.

Keywords: ПРОГНОЗИРОВАНИЕ БАНКРОТСТВА; СРАВНЕНИЕ МОДЕЛЕЙ; СРЕДНИЕ И МАЛЫЕ ПРЕДПРИЯТИЯ; ОПТОВАЯ И РОЗНИЧНАЯ ТОРГОВЛЯ; ОБРАБАТЫВАЮЩАЯ ПРОМЫШЛЕННОСТЬ; ОПЕРАЦИИ С НЕДВИЖИМОСТЬЮ; СТРОИТЕЛЬСТВО (search for similar items in EconPapers)
Date: 2014
References: Add references at CitEc
Citations: View citations in EconPapers (7)

Downloads: (external link)
http://cyberleninka.ru/article/n/prognozirovanie-b ... otraslevoe-sravnenie

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:scn:025886:15693634

Access Statistics for this article

More articles in Higher School of Economics Economic Journal Экономический журнал Высшей школы экономики from CyberLeninka, Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет «Высшая школа экономики»
Bibliographic data for series maintained by CyberLeninka ().