33 модели финансового анализа

Следует заметить, что в настоящее время применяются рейтинговые системы оценки финансового состояния предприятия двух видов. Первый вид предполагает классификацию предприятий на несколько групп, границы которых заранее установлены аналитиками и экспертами. Для применения этой методики достаточно бухгалтерской отчетности от одного предприятия. К данному типу можно отнести методики Донцовой, Никифоровой, Литвина, Графова [19], методику Сбербанка для оценки кредитоспособности заемщика [20] и другие [21, 22].

Из зарубежных методов на практике широко применяется метод Аргенти (А-счет) [23].

Второй тип методик определения рейтинга предприятия базируется на сравнении финансовых коэффициентов с эталонным предприятием. Роль эталона выполняет фирма, у которой имеются наилучшие результаты из всей выборки исследуемых предприятий. Сюда можно отнести методики Кукуниной И. Г. [24], Шеремета А. Д. [25].

Среди альтернативных методов, построения моделей можно выделить следующие: нейросетевые методы, нечеткую логику, самоорганизующиеся карты, генетические алгоритмы и эволюционное программирование.

В сравнении со статистическими моделями, модели, основанные на искусственном интеллекте, эффективно работают с нечетко определенными, неполными и неточными данными. Существенным недостатком при построении интеллектуальных моделей диагностики риска банкротства предприятий выступает большая трудоемкость их разработки.

Помимо этого разработка модели осложняется необходимостью анализа большой выборки данных о предприятиях, которой в молодой российской экономике пока еще недостаточно для создания адекватной модели диагностики риска банкротства предприятий.

В пользу статистических моделей высказывается Альтман в своей работе [26], где доказывает, что logit-модели и дискриминантный анализ точнее предсказывают банкротство предприятия, нежели нейронные сети.

В работах [27] авторы приходят к выводу, что logit-модель работает намного лучше, нежели сложные интеллектуальные системы раннего предупреждения (EWS-модели), к примеру, алгоритмы распознавания образов.

Все это приводит к тому, что разработка моделей диагностики риска банкротства на основе искусственного интеллекта, в условиях развивающейся экономики, сложно реализуема, поэтому акцент в диссертационной работе сделан на статистических моделях.