Выявление факторов дефолтов компаний обрабатывающей промышленности

Работа посвящена анализу факторов банкротств российских компаний обрабатывающей промышленности (в том числе в разрезе подотраслей) за период 2012–2020 годов. В качестве эконометрического инструментария для моделирования вероятности банкротств компаний использована логистическая регрессия. Устойчивость компаний столь важной и масштабной области особенно значима в кризисные периоды, когда большое число дефолтов может повлечь необходимые меры экономической политики по поддержке отрасли. Особенностью исследования является следующее. Ввиду отсутствия стандартизированной базы, содержащей даты начала процедур банкротства в отношении российских компаний, авторы самостоятельно конструируют эту базу. Это делается на основе информации, которую предоставляет система данных о компаниях СПАРК. В отличие от большинства работ настоящая статья предлагает учитывать не только юридическую процедуру банкротства, но и экономические причины несостоятельности компаний. Эти причины можно выявить на основе финансовой отчетности. Таким образом, фактически вводится расширенное определение банкротства, которое позволяет учесть большее число наблюдений за счет случаев, когда компания испытывает финансовые затруднения, но не проходит юридическую процедуру банкротства. Согласно полученным результатам финансовые показатели рентабельности, ликвидности и деловой активности играют значимую роль в объяснении вероятности дефолта российских компаний обрабатывающей промышленности. Особое внимание уделено тому, как на вероятность банкротства, определяемого двумя способами (простым и расширенным), влияют факторы корпоративного управления и структуры собственности. Во-первых, учет этих показателей привел к увеличению прогнозной силы моделей в обоих случаях. Во-вторых, оказалось, что эти показатели устойчиво значимо коррелируют с вероятностью банкротства с учетом причин экономической несостоятельности. Значимость в моделях с простым определением наблюдается не для всех подотраслей. Среди результатов есть наблюдение, что совмещение роли владельца и управленца увеличивает устойчивость компании, а слишком высокие доли владения увеличивают вероятность банкротства.

1. Демешев Б. Б., Тихонова А. С. Прогнозирование банкротства российских компаний: межотраслевое сравнение // Экономический журнал Высшей школы экономики. 2014. Т. 18. № 3. С. 359–386.

2. Донец С. А., Могилат А. Н. Кредитование и финансовая устойчивость российских промышленных компаний: микроэкономические аспекты анализа // Деньги и кредит. 2017. № 7. С. 41–51.

3. Карминский А. М., Рыбалка А. И. Дыры в капитале компаний обрабатывающей промышленности: корпоративное управление и отраслевые ожидания // Журнал Новой экономической ассоциации. 2018. № 2(38). С. 76–103.

4. Рыбалка А. И. Факторы риска отраслей обрабатывающей промышленности // Экономическая наука современной России. 2018. № 3. С. 93–113.

5. Сальников В. А., Могилат А. Н., Маслов И. Ю. Стресс-тестирование компаний реального сектора для России: первый подход (методологические аспекты) // Журнал Новой экономической ассоциации. 2012. № 4(16). С. 46–70.

6. Тотьмянина К. М. Оценка вероятности дефолта промышленных компаний на основе финансовых показателей // Финансовая аналитика: проблемы и решения. 2011. № 11. С. 59–68.

7. Alman E. I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // The Journal of Finance. 1968. Vol. 23. No 4. P. 589–609.

8. Andrade G., Kaplan S. N. How Costly Is Financial (Not Economic) Distress? Evidence from Highly Leveraged Transactions that Became Distressed // The Journal of Finance. 1998. Vol. 53. No 5. P. 1443–1493.

9. Barboza F., Kimura H., Altman E. Machine Learning Models and Bankruptcy Prediction // Expert Systems with Applications. 2017. Vol. 83(C). P. 405–417.

10. Beaver W. H. Financial Ratios as Predictors of Failure // Journal of Accounting Research. 1966. Vol. 4. P. 71–111.

11. Cardoso G. F., Peixoto F. M., Barboza F. Board Structure and Financial Distress in Brazilian Firms // International Journal of Managerial Finance. 2019. Vol. 15. No 5. P. 813–828.

12. Darrat A. F., Gray S., Chul Park J., Wu Y. Corporate Governance and Bankruptcy Risk // Journal of Accounting, Auditing & Finance. 2016. Vol. 31. No 2. P. 163–202.

13. Lohmann C., Ohliger T. Using Accounting‐Based Information on Young Firms to Predict Bankruptcy // Journal of Forecasting. 2019. Vol. 38. No 8. P. 803–819.

14. Nehrebecka N. COVID-19: Stress-Testing Non-Financial Companies: A Macroprudential Perspective. The Experience of Poland // Eurasian Economic Review. 2021. Vol. 11. No 2. P. 283–319.

15. Ohlson J. A. Financial Ratios and the Probabilistic Prediction of Bankruptcy // Journal of Accounting Research. 1980. Vol. 18. No 1. P. 109–131.

16. Tinoco M. H., Wilson N. Financial Distress and Bankruptcy Prediction Among Listed Companies Using Accounting, Market and Macroeconomic Variables // International Review of Financial Analysis. 2013. Vol. 30(C). P. 394–419.

17. Virolainen K. Macro Stress Testing with a Macroeconomic Credit Risk Model for Finland. Bank of Finland Research Discussion Paper. No 18. 2004.

18. Wruck K. H. Financial Distress, Reorganization, and Organizational Efficiency // Journal of Financial Economics. 1990. Vol. 27. No 2. P. 419–444.