С нами согласились сотрудничать 12 специалистов (43%). Мы рассчитывали на их способности к «ex ante» прогнозированию финансовых трудностей. В качестве зависимой переменной выбирался усредненный прогноз того, будет ли данная фирма испытывать финансовые трудности в ближайшие 6 месяцев. Так как мы не располагали никакой информацией о вероятности принадлежности фирм к группам, то мы изначально взяли вероятности одинаковыми для всех групп. По результатам усредненного протеза компании были разбиты на 3 группы:
Один из случаев был отброшен, потому что целевую переменную невозможно было вычислить. В целом все эксперты оценили базу данных как содержательную и прислали свои ответы но факсу в течение 10 дней. Некоторые из них отмстили сложность решения вопроса о кредитоспособности вне связи с его обеспечением.
В табл. 8.1 представлено репрезентативное подможество гипотетической базы данных, которое было предложено экспертам. Совокупность переменных включает 21 нефинансовый показатель, значения которых обозначаются буквосочетаниями, и 5 финансовых показателей.
Все 26 переменных разбиваются на 4 группы:
А Признаки данной компании или отрасли
В Организационные факторы
С Макроэкономические показатели
D Финансовые показатели
ГРУППА А: Признаки данной компании или отрасли (6 переменных)
Отрасль промышленности (обозначается двубуквенным сокращением) является очень важной переменной, поскольку от нее непосредственно зависят значения финансовых показателей и чувствительность фирмы к изменениям окружающей обстановки. Мы не брали межотраслевые компании, чтобы не было возможной потери информации. Были выделены 8 отраслей: торговля (TD), услуги, пищевая промышленность, легкая промышленность (МА), сельское хозяйство, строительство (СО), транспорт и прочее. Предполагалось, что компании не очень отличаются друг от друга размерами. Рыночный потенциал учитывает спрос на товары или услуги, производимые фирмой, и зависит от того, в какой области работает компания. Положение на рынке оценивает соотношение цена/качество и конкурентноспособность фирмы. Экспорт (обозначение буквенное: YIN) учитывает степень участия фирмы в экспортно-импортных операциях. Помещения: собственность/аренда (обозначение буквенное: O/R) указывает, владеет ли компания основными производственными помещениями. С арендой в Польше очень трудно из-за крайне высоких ставок, очень коротких (в пределах года) сроков и возможности отдавать недвижимость в залог. Возраст компании делит фирмы на старые (> 3 лет) и молодые.
ГРУППА В: Организационные факторы (9 переменных)
Структура собственности (буквенное обозначение) указывает на одну из семи категорий: совместное предприятие, предприятие с ограниченной ответственностью (LL = Limited Liability), гражданское товарищество, зарегистрированное товарищество, товарищество с ограниченной ответственностью, частное предприятие и частное лицо, зарегистрированное как фирма. Связь управляющий/владелец характеризует, насколько эти два лица связаны (одно и то же лицо, родственники, друзья, знакомые, не связаны). Централизованное принятие решений и гибкость организации в динамичных экономических условиях— очень важные факторы, выделенные Арженти. Благонадежность управляющего показывает, насколько эксперт уверен в том, что управляющий будет считать себя обязанным вернуть долг с процентами. При решении этого вопроса польские банки без колебаний полагаются на сведения, полученные из полиции. Смысл остальных четырех Переменных ясен без комментариев: возраст управляющего, число работников, стаж работы управляющего на руководящей работе (а) в бизнесе вообще, (b) — на данной фирме.
ГРУППА С: Макроэкономические показатели (6 переменных)
Шансы МСП на выживание зависят от следующих важнейших макроэкономических факторов: инфляция, прямые налоги, косвенные налоги, таможенные и акцизные сборы, курсы обмена иностранных валют. Несомненно, что введение в июле 1993 г. налога на добавленную стоимость поднимет уровень пен, и такое изменение будет очень чувствительным в ситуации, когда покупательная способность и рентабельность падают. Экологическая безопасность производства в настоящий момент, может быть, не имеет решающего значения, однако ввиду того, что южные районы Польши сильно загрязнены.
Экологическая безопасность проекта может положительно повлиять
на решение о предоставлении кредита. Для поддержки «зеленых»
проектов была создана специальная общественная организация —
Национальный фонд защиты окружающей среды и водных ресурсов.
ГРУППА D: Финансовые показатели
(5 переменных)
Финансовые показатели заимствованы из "Z-модели" MDA Альтмана. Чистая маржа — это отношение чистого дохода к обороту. Коэффициент покрытия при обслуживании долга — это отношение прибыли до уплаты процентов и налогов (EBIT) к затратам на выплату процентов. Отношение ликвидности фирмы к сумме долговых обязательств выражает степень ликвидности позиции фирмы. Рост объема продаж — относительное (процентное) увеличение общего объема продаж — можно рассматривать как трендовую переменную. Наконец, дебиторский показатель — это средний срок платежей в днях (средний дебет/[чистый объем продаж x 360]).
Для обработки данных использовалась MBPN-сеть с логистическими функциями активации. Предполагалось, что после обучения сеть будет в состоянии правильно классифицировать новые (незнакомые ей) компании. В качестве исходной точки для сравнений была взята обычная линейная MDA-модель. Однако для метода MDA требуется, чтобы переменные были числовыми,— с буквенными или порядковыми переменными он работать не может. Проблема сведения всех показателей к числовым была решена при помощи нелинейного анализа главных компонент.
Нелинейный анализ главных компонент
С помощью нелинейного анализа главных компонент (АГК) мы не только преобразовали буквенные и порядковые переменные в числовые, но и уменьшили размерность множества данных с 26 (число переменных) до 5 (число значимых факторов). После этого, конечно, становится труднее представить себе суть этих новых составных переменных и понять, какое влияние каждая из них оказывает на результаты классификации. При АГК для каждого наблюдения вычисляются определенные числовые показатели этого объекта в каждом значимом измерении. Эти показатели (которые можно назвать количественными выражениями того, обладает ли объект тем или иным свойством) и используются в качестве входных данных для MDA. В итоге АГК даст новый набор данных меньшей размерности, чем у исходного (5 вместо 26), где уже все переменные являются числовыми. Конечно, эти два набора данных тесно связаны, поскольку пять новых измерений охватывают большую часть степеней свободы, имевшихся в исходных данных. В отличие от MDA, которая не может работать с данными в исходном виде, сеть способна воспринимать информацию в различной форме. Поэтому мы брали не одну, а две сети и обучали одну из них на исходном множестве данных, а другую — на преобразованном. По результатам второго эксперимента можно сравнивать между собой качество работы сети и MDA.
АТК был выполнен с помощью модуля обработки категорий пакета SPSS+/PC, версия 5.01. В приложении 2 к этой главе приведены веса компонент в 5 значимых измерениях и собственные числа. Для примера там были взяты 10 первых компаний.
|