Д.т.н. Бідюк П.І., Омельченко О.С.

Національний технічний університет України «Київський політехнічний інститут», Україна

АНАЛІЗ СТАНУ ПІДПРИЄМСТВА – ПЕРЕДУМОВА ПІДВИЩЕННЯ КОНКУРЕНТОСПРОМОЖНОСТІ І УСПІШНОЇ РЕСТРУКТУРИЗАЦІЇ

В сучасних умовах господарювання кожному підприємству необхідно коректно оцінювати свій поточний стан. І мова йде не лише про потенційну загрозу банкрутства, діагностування якої перетворилося в одне із найважливіших завдань, виконуваних аналітичними службами підприємств.

Швидше справа полягає у тому, що об’єктивний та високоякісний аналіз стану підприємства становить фундаментальну умову ефективної діяльності будь-якого підприємства, незалежно від галузі його діяльності. В умовах ринкової економіки стабільний розвиток підприємства забезпечується розробленням і втіленням відповідної стратегії, яка визначає основні напрями його розвитку. Найчастіше основні рішення щодо стратегії розвитку приймаються з метою підвищення конкурентоспроможності. Щонайменше підвищення конкурентоспроможності розглядається як одна із цілей стратегічного рівня. Обґрунтування стратегії розвитку, її деталізація і втілення здійснюються на даних аналізу діяльності підприємства, його потенціалу, результатах прогнозування стану ринку, поведінки конкурентів тощо.

Крім того, оскільки аналіз стану підприємства передбачає моделювання залежності показників ефективності підприємства від його параметрів (незалежних керуючих змінних), то побудовані для аналізу моделі можна використати також для прогнозування стану підприємства і прийняття управлінських рішень, рівень формальної обґрунтованості яких визначається адекватністю побудованих моделей.

Ще одним аспектом діяльності підприємств, який вимагає розроблення високоякісних моделей оцінювання стану, є необхідність здійснення перманентного процесу реструктуризації підприємства. У цьому випадку діагностування стану і прогнозування банкрутства становлять необхідні умови завчасного і успішного здійснення процедури реструктуризації. Можливість банкрутства передбачається самою суттю ринкових відносин, які пов’язані з ризиком втрат, невизначеністю досягнення цілей та невизначеностями стану ринку. Достовірне прогнозування банкрутства надає можливість підприємствам не лише запобігати банкрутству або мінімізувати втрати, але й створювати умови для подальшого економічного зростання шляхом комбінування превентивних і оперативних та стратегічних реструктуризаційних заходів. Більш того, якщо мова йде про стратегічну або розвиткову реструктуризацію, то за її мету часто визначають підвищення конкурентоспроможності, що дозволяє знову апелювати до наведених вище аргументів на важливість аналізу.

Однак аналіз стану підприємства, який може задовольнити усі зазначені аспекти використання його результатів, вимагає врахування не тільки даних щодо самого підприємства, але й зовнішнього бізнес-середовища. Тому виникає потреба в інтегрованому методі аналізу, який надає такі можливості:

- дає можливість не лише оцінювати чинники впливу у традиційній формі математичних залежностей, а й використовувати та інтерпретувати явні залежності між вихідними показниками і незалежними змінними;

- може застосовуватися при значній кількості незалежних вхідних змінних;

- надає корисні результати в умовах неповноти і невизначеності інформації, інкорпорує у процес аналізу дані, отримані від експертів;

- не має обмежень на закони розподілу змінних;

- дозволяє одночасно враховувати неперервні та дискретні, кількісні та якісні показники діяльності підприємства і зовнішнього бізнес-середовища;

- функціонує в умовах динамічного надходження нових даних;

- простий в реалізації.

Серед відомих методів і моделей аналізу, які використовуються для діагностування банкрутства, насамперед дискримінантного аналізу, нейронних мереж, методів на основі нечіткої логіки, цим вимогам найбільше відповідають ймовірнісні моделі у вигляді Байєсівських мереж.

Застосування Байєсівських мереж забезпечує достовірне прогнозування, що дозволяє учасникам ринкового процесу збільшувати ефективність їхньої основної діяльності [1; 2]. До проблем, які виникають при побудові Байєсівських мереж, належать, насамперед, проблеми вибору методів точного імовірнісного висновку і вибору змінних.

У доповіді розглядаються особливості застосування Байєсівських мереж для діагностування банкрутства підприємства та виявлення причинно-наслідкових залежностей результатів діяльності підприємства від його ключових вхідних змінних. Точний імовірнісний висновок і вибір змінних базуються на методах, запропонованих у праці [3].

Байєсівська мережа розглядається як система <G, B>, де G – орієнтований граф без циклів, вершини якого відповідають випадковим змінним, а ребра – умовам залежності/незалежності цих змінних. Термінологія орієнтованих ациклічних графів дозволяє виділяти вершини-батьки і дочірні вершини. Складова B мережі містить параметри для кожної вершини у вигляді таблиць умовних ймовірностей. Повний спільний розподіл ймовірностей Байєсівської мережі обчислюється за допомогою такої формули:

(1)

де  – вектор безпосередніх батьківських змінних для ;

 — ймовірність конкретної комбінації значень  для множини змінних .

Варто зазначити для правильного застосування формули (1), що Байєсівську мережу структуризують локально таким чином, що кожний вузол взаємодіє тільки із своїми батьківськими вузлами.

Для аналізу було опрацьовано близько 40 показників діяльності і зовнішнього середовища декількох десятків машинобудівних підприємств:

1) фінансові:

а) платоспроможності (коефіцієнти абсолютної, загальної і критичної ліквідності, коефіцієнт покриття, коефіцієнт забезпеченості власними обіговими коштами);

б) фінансової стабільності (коефіцієнт автономії, коефіцієнт фінансової стабільності, коефіцієнт фінансової залежності, коефіцієнт концентрації залученого капіталу, коефіцієнт маневреності власного капіталу, співвідношення залученого і власного капіталу);

2) вартісні: рентабельність; собівартість продукції; сумарні витрати на виробництво продукції; умовно-постійні витрати на вироблення продукції; товарна продукція; витрати на сировину, матеріали і енергію; витрати на поточні і капітальні ремонти обладнання; прибутки (збитки) від реалізації; комплексний економічний ефект від інновацій; інтегральний показник економічної ефективності інвестицій;

3) натуральні: енергоємність одиниці продукції; матеріалоємність одиниці продукції; інтегральний показник інноваційного рівня продукції; інтегральний показник інноваційного рівня виробничої діяльності; інтегральний показник інноваційного рівня підприємства; коефіцієнт зносу обладнання; інвестиційний потенціал;

4) додаткові: застосування санаційних процедур в минулому; частка капіталу, який втратять інвестори у випадку реалізації ризикових обставин; позиція на ринку; вартість підприємства з урахуванням інфляції.

Використовувалися статистичні дані, накопичені із різних джерел за понад 10 років. На першому етапі шляхом визначення коефіцієнтів кореляції між змінними підприємства і зовнішнього середовища були відкинуті ті змінні, коефіцієнт кореляції яких з іншими змінними перевищував порогове значення a (яке у процесі дослідження змінювалося).

Це дало можливість відібрати інформативні чинники впливу на показник банкрутства для подальшого аналізу. Після цього визначались коефіцієнти кореляції між показником банкрутства і відібраними чинниками впливу на нього. Це дозволило відкинути з відібраних на попередньому кроці чинників впливу ті, які не впливали на показник банкрутства взагалі, або значення коефіцієнта взаємної кореляції яких становило ніж 0,5. Результатом цієї процедури стало групування корельованих з показником банкрутства чинників впливу на:

– змінні, що корелюють з прогнозованою змінною із коефіцієнтом більшим, ніж 0,1 (предиктори першого рівня): товарна продукція; застосування санаційних процедур в минулому; частка капіталу, який втратять інвестори у випадку реалізації ризикових обставин; співвідношення залученого і власного капіталу;прибутки (збитки) від реалізації; коефіцієнт абсолютної ліквідності; коефіцієнт фінансової стабільності; коефіцієнт автономії;

– інші змінні, що корелюють з прогнозованою змінною (предиктори другого рівня): коефіцієнт покриття; інвестиційний потенціал; інтегральний показник інноваційного рівня підприємства; позиція на ринку; вартість підприємства з урахуванням інфляції; умовно-постійні витрати на вироблення продукції.

Виконано дослідження з використанням моделей простої і каскадної Байєсівських мереж. Перша модель включає лише предиктори першого рівня. Для формування другого рівня каскадної моделі використано коефіцієнти кореляції між параметрами першого і другого рівнів. Значення коефіцієнтів кореляції визначають взаємозв’язки між змінними і структуру моделі (дочірніх вершин) другого рівня для відповідних батьків першого рівня.

Результати моделювання підтвердили відповідність моделей у формі Байєсівських мереж сформульованим вище вимогам.

По-перше, вони інтуїтивно зрозумілі економістам і менеджерам, які можуть будувати моделі, легко трансформуючи накопичений досвід аналізу, опис вихідних даних і встановлення взаємозв’язків між змінними у розробку структури моделі та інтерпретацію результатів моделювання.

По-друге, виконані експериментальні дослідження з використанням визначених показників діяльності підприємств підтвердили, що Байєсівські мережі демонструють високий рівень коректності оцінок прогнозів, а їх точність щонайменше не поступається відомим моделям логіт і пробіт.

По-третє, висока точність отримуваних результатів супроводжується можливостями оброблення широкої множини кількісних і якісних змінних, застосуванням в умовах невизначеності інформації.

По-четверте, наявність декількох методів формування висновку, характер яких наближається до висновку експерта, дозволяє останньому легко врахувати особливості застосування Байєсівських мереж для аналізу, прогнозування і обґрунтування управлінських рішень, спрямованих на підвищення ефективності діяльності підприємства.

Таким чином, Байєсівські мережі – це потужний, високоресурсний і перспективний математичний інструмент дослідження фінансово-економічних процесів, який можна застосовувати для розв’язання широкого кола задач моделювання, прогнозування, класифікації та керування. Практично корисним застосуванням є на сьогодні оцінювання стану і класифікація підприємств різного спрямування та форм власності.

Подальші дослідження спрямовані на розроблення ефективних методів структурного навчання та формування висновку з метою вибору кращого варіанту з урахуванням особливостей аналізу фінансово-економічних процесів промислових підприємств.

Список використаних джерел:

1. Gestel T. Bayesian kernel based classification for financial distress detention / T. van Gestel, B. Baesens, J.A.K. Suykens, D. van den Poel, D.-E. Baestaens, M. Willekens // European J. of Operational Research. – 2006. – №172. – P. 979–1003.

2. Sun L. Using Bayesian networks for bankruptcy pdiction: Some methodological issues / L. Sun, P.P. Shenoy // European J. of Operational Research. – 2007. – № 180. – P. 738–753.

3. Бидюк П.И. Построение и методы обучения Байесовских сетей / П.И. Бидюк, А.Н. Терентьев, А.С. Гасанов // Кибернетика и системный анализ. – 2005. – № 4. – С. 133–147.