Огляд сучасних методів оцінки фінансового стану вітчизняних інноваційно активних промислових підприємств

Abstract

У статті реалізовано концептуальний нейромережевий підхід до класифікації та вибору моделей щодо оцінювання фінансового стану інноваційно активних підприємств та ймовірності настання їх банкрутства, який враховує точність класифікації для підприємств-банкрутів, фінансово стійких підприємств, загальну точність ідентифікації підприємств та інші показники. Аналіз моделей та підходів до оцінювання фінансового стану та ризику настання банкрутства інноваційно активних підприємств свідчить про те, що дискримінанті моделі для оцінювання ризику настання банкрутства підприємств, які виникли понад 50 років тому, удосконалення яких відбувається нині різними дослідниками, не можуть релевантно характеризувати фінансовий стан, тому що їм властиві суттєві недоліки. Методи оцінювання фінансового стану та ймовірності настання банкрутства, в основі яких лежать нечітко-логічний аналіз та штучні нейронні мережі, отримали за останні 10–15 років бурхливий розвиток за кордоном завдяки насамперед їх високій точності. Однак в Україні використання цих моделей поки що не набуло широкого практичного значення з причини насамперед невеликої обізнаності фахівців щодо сучасного економіко-математичного інструментарію.

The use of the discriminant model is limited by the possibility of market valuation of equity. Such an assessment can be made for large corporations whose shares are listed on stock exchanges. Given the lack of development of the stock market in Ukraine, for the vast majority of Ukrainian enterprises, the definition of the Altman index is not completely incorrect. In addition, the peculiarities of the Ukrainian economy, in particular, the revaluation of fixed assets, the inability to establish the real market price of certain types of fixed assets, do not allow the full use of the Altman model. To identify the advantages and disadvantages of each of the models for diagnosing the financial condition and the onset of bankruptcy, we proposed to perform a cluster analysis of the most well-known models. Based on the results, all known models for determining the probability of bankruptcy were divided into two clusters. These are clusters “0” and “1”. In terms of the number of distributed models, the cluster volumes are close to each other. Cluster “0” included 3 models, and the largest cluster “1” included 4 models. A conceptual neural network approach to the classification and selection of models for assessing the financial condition of innovation-active enterprises and the probability of their bankruptcy is implemented, which takes into account the accuracy of classification for bankrupt enterprises, financially stable enterprises, the general accuracy of identification of enterprises, and other indicators. Analysis of models and approaches to assessing the financial condition and risk of bankruptcy of innovative and active enterprises indicates that discriminant models for assessing the risk of bankruptcy of enterprises that arose more than 50 years ago (which are being improved in our time by various researchers) cannot adequately characterize the financial condition, because they are characterized by significant shortcomings. Methods for assessing the financial condition and probability of bankruptcy of enterprises, which are based on fuzzy logic analysis and artificial neural networks, have received rapid development abroad over the past 10–15 years, primarily due to their high accuracy. However, in Ukraine, the use of these models has not yet received wide practical significance due, first of all, to a small awareness of specialists with modern economic and mathematical tools.