Вероятность банкротства¶

Вероятность банкротства — оценка возможности наступления неплатёжеспособности организации в определённый горизонт планирования, выражаемая в виде вероятностной величины (обычно от 0 до 1) или рейтинговой категории. Показатель используется кредиторами, инвесторами, регуляторами и самими предприятиями для управления рисками, ценообразования заёмного капитала и принятия управленческих решений.

¶Методы оценки

¶Статистические модели

Классический подход — дискриминантный анализ, основанный на модели Альтмана (Z-счёт Альтмана), предложенной в 1968 году. Модель использует пять финансовых коэффициентов (отношение оборотного капитала к активам, нераспределённой прибыли к активам, EBIT к активам, рыночная стоимость капитала к обязательствам, выручка к активам) и выдаёт итоговую оценку. Значения ниже 1,81 указывают на высокий риск банкротства, выше 2,99 — на низкий. Для российских компаний модель была адаптирована в 1990-е годы (модели Сайфуллина, Кадыкова, Лаврушина), поскольку структура баланса российских предприятий существенно отличалась от западной.

¶Логистические модели

Логистическая регрессия (модель Олсона, 1980) оценивает вероятность события как функцию набора финансовых и нефинансовых переменных. В отличие от дискриминантного анализа, логистическая модель напрямую даёт вероятность в диапазоне [0; 1] и допускает включение качественных факторов (отрасль, регион, форма собственности, корпоративное управление).

¶Машинное обучение

С 2000-х годов для прогнозирования банкротств применяют методы машинного обучения: случайные леса, градиентный бустинг, нейронные сети, метод опорных векторов. Российские исследователи (работы группы С. А. Айвазяна, а также позднейшие публикации по применению градиентного бустинга к данным ЕФРСБ) показывают, что ансамблевые методы часто превосходят классические модели по точности, особенно на несбалансированных выборках, где доля банкротств невелика.

¶Факторы, влияющие на вероятность банкротства

К основным предикторам относятся:

• Финансовые показатели: ликвидность, рентабельность, долговая нагрузка (отношение чистого долга к EBITDA), покрытие процентов, денежный поток.
• Отраслевая принадлежность: цикличные отрасли (металлургия, строительство, ритейл) демонстрируют более высокую частоту банкротств в периоды спада.
• Макросреда: ключевая ставка ЦБ РФ, инфляция, курс рубля, санкционное давление. В 2022–2024 годах рост ключевой ставки до 21 % заметно повысил стоимость обслуживания долга и, соответственно, вероятность банкротства для компаний с высокой долговой нагрузкой.
• Управление и корпоративные конфликты: трансфертное ценообразование, вывод активов, конфликты акционеров.

¶Применение

¶Банки и кредитные организации

В России расчёт вероятности банкротства включён в обязательные методики оценки кредитного риска (методические рекомендации Банка России). Показатель влияет на размер резервов по кредитам и на тарифы по кредитам МСБ.

¶Рынок облигаций

Для корпоративных облигаций с кредитным рейтингом вероятность дефолта (PD) является одним из ключевых входных параметров модели кредитного спреда. Рейтинговые агентства (НКР, «Эксперт РА», ACRA) публикуют дефолтные вероятности по рейтинговым категориям.

¶Государственный сектор

Федеральный закон № 127-ФЗ «О несостоятельности (банкротстве)» определяет критерии неплатёжеспособности, но не требует от компаний публичного раскрытия вероятности банкротства. Тем не менее Минфин и ЦБ РФ используют вероятностные модели для оценки системных рисков.

¶Ограничения моделей

Точность прогноза существенно зависит от качества исходных данных (достоверность бухгалтерской отчётности, полнота раскрытия), горизонта прогноза (модели надёжнее на 1–2 года вперёд) и структуры выборки. Внезапные шоки — пандемия COVID-19, санкции 2022 года — резко снижают точность исторических моделей, обученных на «спокойных» периодах.

¶Источники

• Альтман Э. Финансовые коэффициенты и предсказание банкротств предприятий. — 1968.
• Методические рекомендации Банка России по оценке кредитного риска.
• Федеральный закон от 26.10.2002 № 127-ФЗ «О несостоятельности (банкротстве)».
• Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: исследование зависимостей. — М.: Финансы и статистика.