Моделирование события банкротства компаний, связанных с бизнес-группой
https://doi.org/10.26794/2587-5671-2024-28-3-94-108
Аннотация
Цель исследования — определение влияния бизнес-группы на оценку кредитоспособности заемщика, а также выявление наиболее значимых факторов кредитного риска. Несмотря на то что тематика оценки кредитоспособности находит широкое распространение как в отечественной, так и в зарубежной литературе, аспект влияния консолидированной группы в контексте данной проблемы практически не упоминается. Авторы используют статистический метод моделирования с применением логистической регрессии. Переменные модели построены на основании ежегодной финансовой отчетности как отдельных компаний, так и бизнес-групп. Для отбора факторов и построения модели использованы подходы, применяемые в статистике и машинном обучении для получения несмещенных и эффективных оценок, независимых от выборки, порождающей эти оценки. Проанализированы данные 8691 компании, предоставляющих ежегодную финансовую отчетность в соответствии с российскими стандартами бухгалтерской отчетности с 2015 по 2021 г. Общий объем выборки составил 22 201 наблюдение. Количество событий банкротства в выборке — 238 наблюдений. В качестве информации о группе использованы переменные, рассчитанные по консолидированной финансовой отчетности в соответствии с международными стандартами. Рассмотрены и систематизированы различные взгляды на понятия «бизнес-группа» и «холдинг» в отечественной литературе. Приведены особенности поведения компаний, объединенных в группы. Выявлены переменные, связанные с бизнес-группой, значимые в оценке вероятности события банкротства отдельных компаний. Приводятся различные специфические аспекты деятельности компаний, связанных с группой. Для подтверждения ряда гипотез строится статистическая модель, которая подвергается верификации и анализу. Для определения значимого ухудшения кредитоспособности компании используется событие банкротства. Сделан вывод, что использование данных отчетности групп позволяет увеличить качество предсказания модели для компаний, связанных с бизнес-группой.
Ключевые слова
JEL: G32, C51, C53
Об авторах
В. В. ЛопатенкоРоссия
Валентин Васильевич Лопатенко — аспирант экономической школы; ведущий эксперт по исследованию данных
Москва
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
А. М. Карминский
Россия
Александр Маркович Карминский — доктор экономических наук, профессор-исследователь школы финансов
Москва
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Список литературы
1. Березнев С.В., Барышев М.А. Понятие «холдинг» в России: определение сущности и содержания. Мир экономики и управления. 2012;12(1):109–114. URL: https://cyberleninka.ru/article/n/ponyatie-holding-vrossii-opredelenie-suschnosti-i-soderzhaniya (дата обращения: 11.12.2022).
2. Корнеева Т.А., Шатунова Г.А. Корпоративные объединения и консолидированная финансовая отчетность. Аудит и финансовый анализ. 2006;(3):5–9. URL: https://auditfin.com/fin/2006/3/Korneeva/Korneeva%20.pdf (дата обращения: 15.12.2022).
3. Белых В.С., Берсункаев Г.Э. Холдинги и холдинговое законодательство в России. Бизнес, менеджмент и право. 2007;(1):86–88.
4. Claessens S., Fan J.P.H., Lang L.H.P. The benefits and costs of group affiliation: Evidence from East Asia. Emerging Markets Review. 2006;7(1):1–26. DOI: 10.1016/j.ememar.2005.08.001
5. Chang S.J., Hong J. Economic performance of group-affiliated companies in Korea: Intragroup resource sharing and internal business transactions. Academy of Management Journal. 2000;43(3):429–448. DOI: 10.2307/1556403
6. Beaver W.H., Cascino S., Correia M., McNichols M.F. Group affiliation and default prediction. Management Science. 2019;65(8):3559–3584. DOI: 10.1287/mnsc.2018.3128
7. Мкртчян Г.М. Привлечение бенефициаров бизнеса к субсидиарной ответственности. Северо-Кавказский юридический вестник. 2019;(3):122–129. DOI: 10.22394/2074–7306–2019–1–3–122–129
8. Khanna T., Yafeh T. Business groups and risk sharing around the world. Journal of Business. 2005;78(1):301– 340. DOI: 10.1086/426527
9. Ghojogh B., Crowley M. The theory behind overfitting, cross validation, regularization, bagging, and boosting: Tutorial. arXiv:1905.12787. 2019. DOI: 10.48550/arXiv.1905.12787
10. Моргунов А.В. Моделирование вероятности дефолта инвестиционных проектов. Корпоративные финансы. 2016;10(1):23–45. DOI: 10.17323/j.jcfr.2073–0438.10.1.2016.23–45
11. Siddiqi N. Credit risk scorecards: Developing and implementing intelligent credit scoring. Hoboken, NJ: John Wiley & Sons, Inc.; 2006. 208 p.
12. Полтерович В.М., ред. Стратегия модернизации российской экономики. СПб.: Алетейя; 2010. 424 с.
13. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. 6-е изд. М.: Дело; 2004. 576 с.
14. Карминский А.М., Фалько С.Г., ред. Контроллинг в банке. М.: Инфра-М; 2013. 288 с.
15. Карминский А.М., Костров А.В. Моделирование вероятности дефолта российских банков: расширенные возможности. Журнал Новой экономической ассоциации. 2013;(1):64–86.
Рецензия
Для цитирования:
Лопатенко В.В., Карминский А.М. Моделирование события банкротства компаний, связанных с бизнес-группой. Финансы: теория и практика/Finance: Theory and Practice. 2024;28(3):94-108. https://doi.org/10.26794/2587-5671-2024-28-3-94-108
For citation:
Lopatenko V.V., Karminsky A.M. Simulation of the Bankruptcy Event of Companies Associated with a Business Group. Finance: Theory and Practice. 2024;28(3):94-108. https://doi.org/10.26794/2587-5671-2024-28-3-94-108