Моделирование финансовой устойчивости предприятия с учетом макроэкономических показателей

Аннотация

Д.С. Биджоян - аспирант кафедры бизнес-аналитики, аспирантская школа по экономическим наукам, Национальный исследовательский университет «Высшая школа экономики»
Адрес: 101000, г. Москва, ул. Мясницкая, д. 20
E-mail: bidzhoyan_david@mail.ru

Т.К. Богданова - кандидат экономических наук, доцент кафедры бизнес-аналитики, Национальный исследовательский университет «Высшая школа экономики»
Адрес: 101000, г. Москва, ул. Мясницкая, д. 20
E-mail: tanbog@hse.ru

      В настоящее время предприятия функционируют в условиях быстроизменяющейся макроэкономической ситуации. Вследствие этого появляется необходимость учета макроэкономических факторов при прогнозировании как финансового состояния предприятия в целом, так и различных его аспектов. Однако при включении макроэкономических факторов в модель, прогнозирующую финансовое состояние предприятия, возникает проблема, связанная с тем, как включать факторы, которые имеют частоту измерения, отличную от частоты измерения внутренних финансовых показателей. Так, динамика изменения курсов валют и цен на нефть может быть разной, например, ежеминутной, ежедневной, еженедельной и т.д. Изменение ключевой ставки не носит систематический характер, оно связано с реакцией Центрального Банка на изменение конъюнктуры рынка. Финансовые показатели предприятия публикуются в полугодовых и годовых отчетах.
      В статье предложен подход к агрегированию макроэкономических факторов, заключающийся в представлении временного ряда каждой переменной для каждого года с последующим включением полиномиальных коэффициентов в конечную модель в качестве характеристик исходной переменной. Для ключевой ставки рассчитывается средневзвешенный показатель, где в качестве весов выступают дни, в течение которых действовала ставка. На основе данных 291 предприятия металлургической отрасли Приволжского федерального округа за период с 2012 по 2014 годы построена модель оценки финансовой устойчивости на основе метода дерева решений методом CRT (Classification and regression tree). Точность модели составляет приблизительно 86%. Структура полученного дерева решений позволила дать рекомендации по оптимизации определенных финансовых показателей, характеризующих операционную деятельность предприятия, для достижения им финансовой устойчивости.