Комплексная оценка динамики финансово-экономического состояния IT-отрасли за 2017-2019 годы на основе теории нечетких множеств

Сахарова Л.В.1, Стрюков М.Б.1, Пелипенко Б.Р.2
1 Ростовский государственный экономический университет (РИНХ), Россия, Ростов-на-Дону
2 Южный Университет (ИУБиП), Россия, Ростов-на-Дону

Статья в журнале

Информатизация в цифровой экономике (РИНЦ)
Том 2, Номер 4 (Октябрь-декабрь 2021)

Цитировать:
Сахарова Л.В., Стрюков М.Б., Пелипенко Б.Р. Комплексная оценка динамики финансово-экономического состояния IT-отрасли за 2017-2019 годы на основе теории нечетких множеств // Информатизация в цифровой экономике. – 2021. – Том 2. – № 4. – С. 129-140. – doi: 10.18334/ide.2.4.113392.

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=49375405

Аннотация:
Осуществлен анализ, на основе открытых источников данных («За честный бизнес» и Audit-IT) таких кадровых и финансово-экономических показателей предприятий IT – отрасли Ростовской области (ОКВЭД 62), как: показатели финансовой устойчивости (коэффициент автономии; коэффициент обеспеченности собственными оборотными средствами; коэффициент покрытия инвестиций), показатели платежеспособности (коэффициенты текущей, быстрой и абсолютной ликвидности), показатели эффективности (рентабельность продаж; норма чистой прибыли; рентабельность активов (ROA)). Кроме того, исследован Итоговый балл, рассчитывающийся по определенному алгоритму методики Audit-IT на основе множества показателей и характеризующий общее состояние предприятия. Разработана нечетко-множественная модификацию «Методики анализа финансового состояния организации» Audit-IT для оценки финансово-экономического состояния отрасли в регионе на основе базы данных, полученной за счет применения вышеописанной методики сбора данных из открытых интернет-источников.

Ключевые слова: финансово-экономическое состояние, алгоритм оценки динамики, нечеткие многоуровневые классификаторы

JEL-классификация: P34



1. Введение

Актуальность темы исследования определяется тем, что интегральная оценка предприятий заданной отрасли имеет большое значение для государственных органов управления, формирующих инвестиционную и налоговую политику в регионе. Для IT-отрасли особенно важно знать, какие из предприятий (мелкие, средние, крупные) наиболее динамично и быстро развиваются в регионе; каково в среднем их финансово-экономическое состояние. Это позволит сформировать оптимальную политику органов власти в отношении соответствующих предприятий, обеспечить базу для наиболее быстрого и интенсивного развития IT-отрасли в регионе, что особенно актуально в ракурсе создания в регионе возможных IT-парков, направленных на реализацию приоритетного направления цифровизации экономики. Обобщая существующие методики проведения финансового анализа, можно условно выделить следующие подходы [12] (Arapova, Lukyanova, Sakharova et al., 2019):

– основанные на получении оперативной информации путем расчета системы относительных показателей, характеризующих финансовое состояние предприятия (Дж. К. Ван Хорн и др.);

– реализуемые на основе комбинации абсолютных и относительных показателей и позволяющие получить полную информацию о происходящих процессах в финансовом состоянии предприятия (методики Шеремета А.Д., Селезневой И.Н., Ковалева В.В., Савицкой Г.В., Подольского В.И. и др.);

– целью которых является построение единых комплексных значений (рейтингов) финансового состояния предприятия и позволяющих проводить сопоставления во времени и пространстве (методики Шеремета А.Д., Суховой Л.Ф., Чернова В.А., Кондракова Н.П., Бережной Е.В., Донцовой Л.В. и Никифоровой Н.А. и др.);

– позволяющие выявлять и количественно оценивать вероятность банкротства предприятия путем построения многофакторных моделей (модели Альтмана Э., Тишоу Г., Таффлера Р., Бивера У., Зайцевой О.П., Федотовой М.А. и др.);

– построенные на взаимосвязи финансового состояния предприятия и рыночной цены акции (Блисс Дж., Винакор А. и др.);

– позволяющие прогнозировать уровень эффективности инвестирования в те или другие ценные бумаги и степень связанного с ним риска (Фостер Дж. и др.) и др.

В настоящее время существует достаточно разработанная теоретическая база для проведения финансово-экономического анализа отдельных предприятий. Несмотря на это, имеется ряд проблем, среди которых можно выделить: отсутствие общепринятой системы показателей финансового состояния; отсутствие деления показателей на обобщающие и частные; отсутствие четкого разделения анализа платежеспособности и ликвидности; существующие нормативы показателей не учитывают отраслевую специфику и характерные особенности предприятий; различное количество показателей анализа финансового состояния в существующих методиках.

Однако анализ литературы не позволил обнаружить универсальные методики и модели, пригодные для анализа состояния целых отраслей, а также построения на базе анализа интегральных показателей. Исследования, посвященные анализу финансово-экономического состояния отдельных отраслей, как правило, базируются на временном анализе отдельных показателей либо крупнейших предприятий отрасли, либо суммы таковых показателей [1, 2, 4] (Abramenko, Sarkisyan, Chumakova, Shcherbina, 2019; Artamonova, Rakhmetova, Sakharova, 2019; Gorochnaya, Mikhaylov, Mikhaylova, 2020). Практически отсутствуют модели, позволяющие оценить количественно уровень развития и динамику всей отрасли в целом. Не удалось обнаружить статьи, в которых исследование осуществлялось бы не на ограниченной выборке предприятий, а по всей доступной из открытых источников данных информации об отрасли.

В то же время существует высокая потребность в разработке подобных моделей, позволяющих оценить финансово-экономическое состояние и динамику развития региональных секторов экономик [6, 7] Groshev, Pelikhov, Permyakov, 2019; Mayorov, 2020). В том числе значительный интерес представляет построение подобной модели для IT-отрасли, имеющей приоритет развития в условиях формирования цифровой экономики [5, 8, 10] (Grachev, 2020; Murafa, 2019; Frolov, Kaminchenko, Pavlova, 2020). В настоящей статье предложена методика оценки динамики финансово-экономического состояния отрасли (на примере IT-отрасли Ростовской области) на основе данных по отдельным предприятиям отрасли. Данные получены из открытых источников на основе разработанной ранее методики [9] (Sakharova, Salnikov, 2020). При разработке методики использованы уже имеющиеся методики оценки социальных и экономических систем по комплексам показателей [11–13] (Alekseychik, Bogachev, Karasev et al., 2019; Arapova, Lukyanova, Sakharova et al., 2019; Vovchenko, Stryukov, Sakharova, Domakur, 2019).

2. Методика оценки динамики финансово-экономического состояния отрасли и используемые материалы

2.1. Методика Audit-IT оценки финансово-экономических показателей.

В методике Audit-IT для оценки финансово-экономического состояния предприятия используются три группы коэффициентов. Первая группа – показатели финансовой устойчивости: коэффициент автономии; коэффициент обеспеченности собственными оборотными средствами; коэффициент покрытия инвестиций. Вторая группа – показатели платежеспособности: коэффициент текущей (общей) ликвидности; коэффициент быстрой (промежуточной) ликвидности; коэффициент абсолютной ликвидности. Третья группа: рентабельность продаж; норма чистой прибыли; рентабельность активов (ROA). Кроме того, используется итоговый балл, рассчитывающийся по определенному алгоритму на основе множества показателей и характеризующий общее состояние предприятия.

Числовые интервалы показателей, соответствующие каждому качественному значению, устанавливаются на основе экспертных оценок и отражают принятые для конкретной отрасли нормативы. При этом задаются интервалы значений «отличное», «хорошее», «неудовлетворительное», «критическое». Интервальные экспертные оценки коэффициентов установлены в программе Audit-IT. Для оценок финансово-экономических показателей устанавливаются четыре интервала, характеризующие состояние как «отличное», «хорошее», «неудовлетворительное», «критическое». Соответственно, здесь для оценки динамики финансово-экономического состояния отрасли на основе нечетких множеств используются стандартные четырехуровневые [0,1]-классификаторы. Алгоритм по сравнению с предыдущим пунктом остается прежним.

2.2. Алгоритм оценки динамики финансово-экономического состояния отрасли

Для оценки динамики финансово-экономического состояния отрасли использована теория нечетких множеств. В рассмотрение вводится лингвистическая переменная, терм-множество которой состоит из четырех термов: G={G1, G2, G3, G4}, где G1 – «устойчивая тенденция к ухудшению ситуации, критическая ситуация»; G2 – «тенденция к ухудшению, неудовлетворительно»; G3 – «тенденция к улучшению, хорошо»; G4 – «устойчивая тенденция к улучшению, отлично». Функции принадлежности также имеют трапециевидную форму. Для оценки динамики развития отрасли по каждой группе (1 – микропредприятия; 2 – мини; 3 – малые; 4 – средние; 5 – большие; 6 – не указано) предложен следующий алгоритм.

1. Средние значения всех десяти показателей (девять коэффициентов плюс итоговый балл) для каждой из рассматриваемых групп сводятся в таблицу по исследуемым годам.

2. Показатели нормируются, то есть делятся на наибольшее значение показателя в его временном ряде; после этого рассчитывается агрегированное значение показателя c учетом временной значимости, в соответствии с формулой Фишберна.

3. Составляется сводная таблица агрегированных значений исследуемых показателей для пяти групп, производится лингвистическое распознавание термов в соответствии с нормативными оценками.

4. Рассчитывается комплексная оценка отрасли на основе совокупности исследуемых показателей, а также системы нечетко-логических выводов, стандартных четырехуровневых [0,1] – классификаторов, с последующим лингвистическим распознаванием результата.

2.3. Используемые данные

Использованы данные из открытых интернет-источников данных («За честный бизнес» и «Audit-IT»), на основе которых выполнен анализ финансово-экономического состояния предприятий ОКВЭД 62 «Разработка компьютерного программного обеспечения, консультационные услуги в данной области и другие сопутствующие услуги» в Ростовской области за 2017, 2018, 2019 годы.

3. Результаты

В таблицах 1, 2 приведен процесс оценки динамики финансово-экономического состояния групп предприятий. Ниже представлены числовые значения комплексных оценок динамики финансово-экономического состояния групп с последующим лингвистическим распознаванием. Для каждой группы на основе числовых значений показателей динамики коэффициентов проведен анализ показателей финансовой устойчивости, показателей платежеспособности, показателей эффективности деятельности предприятий групп, а также итогового балла по группам.

Таблица 1

Расчет комплексной оценки финансово-экономического состояния группы «Микропредприятия»


Показатель

Терм1
Терм2
Терм3
Терм4


Вес
крит
неуд
хор
отл
1
Коэффициент автономии
0,1
0
1
0
0
2
Коэффициент обеспеченности собственными оборотными средствами
0,1
0
1
0
0
3
Коэффициент покрытия инвестиций
0,1
0
0
1
0
4
Коэффициент текущей (общей) ликвидности
0,1
0
1
0
0
5
Коэффициент быстрой (промежуточной) ликвидности
0,1
0
0
1
0
6
Коэффициент абсолютной ликвидности
0,1
0
1
0
0
7
Рентабельность продаж
0,1
0
0
1
0
8
Норма чистой прибыли
0,1
0
0
1
0
9
Рентабельность активов (ROA)
0,1
0
0
1
0
10
Итоговый балл
0,1
0
0
1
0

Веса термов
0
0,4
0,6
0

Центры тяжести термов
0,125
0,375
0,625
0,875

Комплексная оценка группы:

G1=0,125·0,0+0,375· 0,4+0,625·0, 6+0,875·0,0=0, 525 (хор.)

1. Анализ динамики показателей финансовой устойчивости указывает в целом на увеличение степени платежеспособности (кредитоспособности) предприятий группы «Микропредприятия», наличие у них денежных средств, необходимых для поддержания стабильной и эффективности деятельности.

2. Анализ показателей платежеспособности. Низкое значение показателя динамики коэффициента текущей (общей) ликвидности говорит об увеличении трудностей в погашении организациями группы своих текущих обязательств. Низкое значение показателя динамики коэффициента быстрой (промежуточной) ликвидности говорит об ухудшении способности компаний вовремя погасить свои краткосрочные обязательства с помощью высоколиквидных активов. Низкое значение показателя динамики коэффициента абсолютной ликвидности говорит об ухудшении способности компаний погасить свои краткосрочные обязательства за счет денежных средств и их эквивалентов в виде рыночных ценных бумаг и депозитов, т.е. абсолютно ликвидными активами.

3. Анализ показателей эффективности деятельности показал в целом увеличение эффективности использования активов, собственного капитала, заемного и инвестированного капитала, оборотных и внеоборотных активов соответственно.

4. Итоговый балл. Предприятия «Микропредприятий» отвечают оценке «хорошо», что свидетельствует о хорошем (положительном) финансовом состоянии предприятий, их способности отвечать по своим обязательствам в краткосрочной перспективе. Следовательно, соответствующие предприятия относятся к категории заемщиков, для которых вероятность получения кредитных ресурсов высока (хорошая кредитоспособность).

Таблица 2

Расчет комплексной оценки финансово-экономического состояния группы «Средние предприятия»


Показатель

Терм1
Терм2
Терм3
Терм4


Вес
крит
неуд
хор
отл
1
Коэффициент автономии
0,1
0
1
0
0
2
Коэффициент обеспеченности собственными оборотными средствами
0,1
0
1
0
0
3
Коэффициент покрытия инвестиций
0,1
0
1
0
0
4
Коэффициент текущей (общей) ликвидности
0,1
0
1
0
0
5
Коэффициент быстрой (промежуточной) ликвидности
0,1
0
1
0
0
6
Коэффициент абсолютной ликвидности
0,1
0
1
0
0
7
Рентабельность продаж
0,1
0
1
0
0
8
Норма чистой прибыли
0,1
0
1
0
0
9
Рентабельность активов (ROA)
0,1
0
1
0
0
10
Итоговый балл
0,1
0
1
0
0

Веса термов
0
1
0
0

Центры тяжести термов
0,125
0,375
0,625
0,875

Комплексная оценка группы:

G4=0,125·0,0+0,375· 1,0+0,625·0, 0+0,875·0,0=0,375 (неуд.)

1. Анализ динамики показателей финансовой устойчивости. Низкое значение показателя динамики коэффициента автономии показывает усиление зависимости от кредиторов; низкое значение показателя динамики коэффициента обеспеченности собственными оборотными средствами говорит об ухудшении структуры баланса у предприятий группы в целом; низкое значение показателя динамики коэффициента покрытия инвестиций говорит о неликвидности активов компаний и их неспособности в полной мере погашать свои текущие счета. Таким образом, все вышеописанное указывает на наличие серьезной тенденции к уменьшению степени платежеспособности (кредитоспособности) предприятий группы «Средние предприятия», определяющей наличие денежных средств для поддержания стабильной и эффективности деятельности предприятий; высокую степень зависимости от заемного капитала (закредитованность).

2. Анализ показателей платежеспособности. Низкое значение показателя динамики коэффициента текущей (общей) ликвидности говорит об увеличении трудностей в погашении организациями группы своих текущих обязательств. Низкое значение показателя динамики быстрой (промежуточной) ликвидности говорит об ухудшении способности компаний вовремя погасить свои краткосрочные обязательства с помощью высоколиквидных активов. Низкое значение показателя динамики коэффициента абсолютной ликвидности говорит об ухудшении способности компаний погасить свои краткосрочные обязательства за счет денежных средств и их эквивалентов в виде рыночных ценных бумаг и депозитов, т.е. абсолютно ликвидными активами.

3. Анализ показателей эффективности деятельности показал в целом уменьшение эффективности использования активов, собственного капитала, заемного и инвестированного капитала, оборотных и внеоборотных активов соответственно.

4. Итоговый балл. Средние предприятия отвечают оценке «неудовлетворительно». Следовательно, данные предприятия могут рассматриваться в качестве контрагентов, во взаимоотношении с которыми необходим осмотрительный подход к управлению рисками. Они могут претендовать на получение кредитных ресурсов, но решение во многом зависит от анализа дополнительных конкретных факторов (нейтральная кредитоспособность).

Заключение

В результате исследования было установлено, что улучшение финансовой устойчивости наблюдается лишь в группе микропредприятий, в других группах имеет место быть закредитованность в большей либо меньшей степени. Для больших предприятий характерно увеличение эффективности использования активов, собственного капитала, заемного и инвестированного капитала, оборотных и внеоборотных активов соответственно; для остальных групп наблюдается противоположная тенденция. В то же время для малых и средних предприятий характерно уменьшение эффективности использования активов, собственного капитала, заемного и инвестированного капитала, оборотных и внеоборотных активов соответственно, для остальных групп характерно увеличение. Малые и средние предприятия относятся к группе нейтральных кредиторов, в работе с которыми необходимо проявлять осторожность. Остальные предприятия относятся к категории заемщиков, для которых вероятность получения кредитных ресурсов высока (хорошая кредитоспособность).


Источники:

1. Абраменко И.П., Саркисян А.Р., Чумакова В.Н., Щербина М.М. Инструменты интенсификации экономического развития на региональном уровне (на примере Ростовской области) // Экономические отношения. – 2019. – № 2. – c. 1281-1292. – doi: 10.18334/eo.9.2.40753.
2. Артамонова А.Г., Рахметова Л.В., Сахарова Л.В. Анализ финансово-экономического состояния сельскохозяйственных предприятий Ростовской области на основе теории нечетких множеств и программного обеспечения Audit-IT // Продовольственная политика и безопасность. – 2019. – № 1. – c. 9-28. – doi: 10.18334/ppib.6.1.41380.
3. Алексеева О.А., Горбачев А.С. Финансовый анализ деятельности предприятия: сущность, проблемы и перспективы // Kant. – 2012. – № 2(5). – c. 55-59.
4. Горочная В.В., Михайлов А.С., Михайлова А.А. Инновационная безопасность региона в условиях геоэкономической турбулентности: динамический подход к оценке на примере Ростовской и Калининградской областей // Вопросы инновационной экономики. – 2020. – № 1. – c. 291-306. – doi: 10.18334/vinec.10.1.41539.
5. Грачев С.А. Экономическая безопасность как основа устойчивого развития региональной экономики в условиях цифровизации // Экономические отношения. – 2020. – № 4. – c. 1331-1342. – doi: 10.18334/eo.10.4.111238.
6. Грошев А.Р., Пелихов Н.В., Пермяков П.Ю. Системные противоречия в управлении процессами кластеризации в региональной экономике // Экономические отношения. – 2019. – № 4. – c. 2965-2978. – doi: 10.18334/eo.9.4.41269.
7. Майоров А.А. Интеллектуальная составляющая малого бизнеса в региональной инновационной экономике // Вопросы инновационной экономики. – 2020. – № 4. – c. 2165-2186. – doi: 10.18334/vinec.10.4.110908.
8. Мурафа А.А. Стимулирование развития ИКТ-услуг в рамках инновационного развития отдельных отраслей экономики // Вопросы инновационной экономики. – 2019. – № 3. – c. 921-930. – doi: 10.18334/vinec.9.3.40914.
9. Сахарова Л.В., Сальников И.А. Анализ финансово-экономических показателей предприятий сельского хозяйства в регионе на основе открытых источников данных. / В сборнике: Информационные системы, экономика и управление. - Ростов-на-Дону: Изд-во РГЭУ (РИНХ), 2020. – 117-124 c.
10. Фролов В.Г., Каминченко Д.И., Павлова А.А. Оценка системных эффектов государственных программ промышленной политики в условиях цифровой экономики // Вопросы инновационной экономики. – 2020. – № 4. – c. 1879-1892. – doi: 10.18334/vinec.10.4.111376.
11. Alekseychik T., Bogachev T., Karasev D. et al. Fuzzy method of assessing the intensity of agricultural production on a set of criteria of the level of intensification and the level of economic efficiency of intensification // Advances in Intelligent Systems and Computing. – 2019. – p. 635-642.
12. Arapova E., Lukyanova G., Sakharova L. et al. Fuzzy-logic analysis of the level of comfort and environmental well-being of the urban environment on the example of large cities of rostov region // Advances in intelligent systems and computing (см. в книгах). – 2019. – p. 643-650. – doi: 10.1007/978-3-030-04164-9_84 .
13. Vovchenko Natalia G., Stryukov Michael B., Sakharova Lyudmila V., Domakur Olga V. Fuzzy-logic analysis of the state of the atmosphere in large cities of the industrial region on the example of Rostov region // Advances in intelligent systems and computing (см. в книгах). – 2019. – p. 709-715. – doi: 10.1007/978-3-030-04164-9_93 .

Страница обновлена: 08.09.2022 в 11:35:59