Аналитический инструментарий оценки рисков финансовой безопасности компаний строительного сектора России

На строительный сектор сегодня приходится наибольший объем госзакупок, банкротств и фактов корпоративного мошенничества. Практика показывает, что применяемые методы выявления недобросовестных компаний недостаточно эффективны, что обуславливает актуальность развития инструментов комплексной оценки рисков финансовой безопасности. В этой связи цель исследования заключалась в обосновании риск-факторного подхода к оценке и диагностике рисков финансовой безопасности с помощью комплексного аналитического инструментария, разработанного на основе концепций отраслевого анализа, международных стандартов аудита и подготовки финансовой отчетности. Научная новизна исследования состоит в интеграции методов оценки рисков финансовой безопасности, применении базовых технологий обработки данных и гибкого ситуационного моделирования с возможностью перенастройки моделей под конкретную ситуацию с учетом выявленных отраслевых рисков. Теоретическая значимость исследования представлена концепцией финансовой безопасности как агрегированного результата действия выявленных рискфакторов в условиях высокотурбулентной экономики, что послужило навигатором разработки аналитического инструментария, обеспечивающего согласованность интерпретации результатов на этапах отраслевого анализа, оценки вероятности банкротства по logit-модели и диагностики рисков корпоративного мошенничества на основе индикаторов вероятности искажения финансовой отчетности. Практическая ценность инструментария состоит в применении международной классификации финансовых рисков, отборе адекватных, статистически значимых показателей, рассчитываемых по данным финансовой отчетности, выгруженным из информационного ресурса Спарк-Интерфакс, что также доказывает релевантность полученных результатов и возможность использования для отбора организаций — потенциальных участников госзакупок, в аудиторской практике, сопутствующих аудиторских услугах, арбитражной практике, а также инвестиционной и банковской сфере для выявления недобросовестных заемщиков.

1. Аганбегян А.Г. О неотложных мерах по возобновлению социально-экономического роста. Проблемы прогнозирования. 2019;(1):3–15.

2. Ивантер В.В., Порфирьев Б.Н., Сорокин Д.Е. и др. Как придать импульс развитию российской экономики: приоритеты действий (предложения к Основным направлениям деятельности Правительства РФ до 2024 г.). Финансы: теория и практика. 2018;22(S 7):4–15. DOI: 10.26794/2587–5671–2018–0–0–4–15

3. Бодрунов С.Д. Рождение новой эпохи: вызовы для России и мира. Научные труды Вольного экономического общества России. 2022;235(3):55–62. DOI: 10.38197/2072–2060–2022–235–3–55–62

4. Palepu K.G., Healy P.M., Peek E. Business analysis and valuation: IFRS edition. Mason, OH: Thomson Learning; 2016. 672 p.

5. Мельник М.В. Обеспечение экономической безопасности корпоративных структур. Инновационное развитие экономики. 2020;(6):310–318.

6. Зиновьева А.А., Казакова Н.А., Хлевная Е.А.Актуальные проблемы контроля финансовой безопасности компании. Финансовый менеджмент. 2016;(2):3–12.

7. Lukasevich I. Ya., Lvova N.A., Sukhorukova D.V. Creation of corporative financial stability index: Integrated approach. Journal of Reviews on Global Economics. 2018;(7):703–709. DOI: 10.6000/1929–7092.2018.07.64

8. Тюжина М.С., Алексеев М.А. Стейкхолдерский подход к выявлению фактов манипулирования. Бизнес. Образование. Право. 2018;(3):98–106. DOI: 10.25683/VOLBI.2018.44.350

9. Саханова А.Н., Ахмер Е.Ж. Прогнозирование на основе эконометрических моделей (анализ временных рядов). Международный журнал гуманитарных и естественных наук. 2017;(3–2):165–170. (На англ.).

10. Войко А.В. Моделирование вероятности банкротства строительных организаций в Российской Федерации. Финансы: теория и практика. 2019;23(5):62–74. DOI: 10.26794/2587–5671–2019–23–5–62–74

11. Рабданова В.В. Обзор logit-регрессионных моделей прогнозирования банкротства предприятий. Вестник ВСГУТУ. 2016;(4):129–134.

12. Казаков А.В., Колышкин А.В. Разработка моделей прогнозирования банкротства в современных российских условиях. Вестник Санкт-Петербургского университета. Экономика. 2018;34(2):241–266. DOI: 10.21638/11701/spbu05.2018.203

13. ЗавалишинаА.К. Применение аналитических процедур аудита в качестве метода выявления манипуляций в финансовой отчетности. Инновационное развитие экономики. 2019;(5–1):217–225.

14. Beneish M.D. The detection of earning manipulation. Financial Analysts Journal. 1999;55(5):24–36. DOI: 10.2469/faj.v55.n5.2296

15. Roxas M. L. Financial statement fraud detection using ratio and digital analysis. Journal of Leadership, Accountability and Ethics. 2011;8(4):56–66.

16. Суйц В.П., Анушевский И.И. Форензик-экспертиза: сущность и основные методы организации финансовых расследований в компаниях. Вестник Московского университета. Серия 6: Экономика. 2019;(3):110–126.

17. Никулин Е.Д., Свиридов А.А. Манипулирование прибылью российскими компаниями при первичном размещении акций. Финансы: теория и практика. 2019;23(1):147–164. DOI: 10.26794/2587–5671–2019–23–1–147–164

18. Когденко В.Г., Завалишина А.К. Исследование особенностей манипулирования отчетностью в организациях строительного сектора. Экономический анализ: теория и практика. 2020;19(9):1614–1645. DOI: 10.24891/ea.19.9.1614