Корпоративные банкротства и кризисы: анализ и тенденции

Девяткин О.В.¹
¹ Российский экономический университет им. Г.В. Плеханова, Россия, Москва

Скачать PDF | Загрузок: 15 | Цитирований: 1

Статья в журнале

Экономика, предпринимательство и право ^{(РИНЦ, ВАК)}
опубликовать статью | оформить подписку

Том 13, Номер 7 (Июль 2023)

Цитировать эту статью:

Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=54310344
Цитирований: 1 по состоянию на 07.12.2023

Аннотация:
В статье проанализированы официальные статистические данные по банкротству организаций за 2022 г. и 1 квартал 2023 г. и сделаны выводы о тенденциях развития кризисной ситуации в 2023 г. Анализ основных показателей позволяет сделать вывод о вероятном росте количество банкротств в текущем 2023 г. Отмечено, несоразмерно большое количество процедур конкурсного производства в сравнении с количеством процедур, направленных на восстановление платёжеспособности, финансового оздоровления и реабилитации должников. Вследствие этого кредиторы не получают возмещение свои требований, что оценивается как прямой убыток, но кроме того нарушаются и хозяйственные связи, и логистические цепочки, что негативно сказывается на экономики в целом. Предлагается на законодательном уровне обсудить возможность проведения процедуры финансовой санации обязательной для отдельных категорий должников. Рассмотрение данных о суммарном количестве заключений о наличии признаков преднамеренного и фиктивного банкротства невелико, что говорит о реальном кризисном состоянии предприятий и организаций. Для предотвращения банкротств как крайнего проявления кризиса предлагается использовать концептуально новое инновационное направление обеспечения стратегического устойчивого развития – механизм аутогенного (самогенерируемого) или другими словами - управляемого кризиса.

Ключевые слова: кризис, кризисные ситуации, банкротство, антикризисное управление, аутогенный кризис

JEL-классификация: G32, G33, G01

Источники:

1. Единая межведомственная информационно-статистическая система (ЕМИСС) - государственный источник актуальных и достоверных статистических данных, получаемых из ведомственных хранилищ данных. [Электронный ресурс]. URL: http://www.fedstat.ru/indicators/start.do (дата обращения: 16.06.2023).
2. Единый федеральный реестр юридически значимых сведений о фактах деятельности юридических лиц, индивидуальных предпринимателей и иных субъектов экономической деятельности (Федресурс). Статистический бюллетень Федресурса по банкротству, 31.12.2022, с. 28. [Электронный ресурс]. URL: :http://www.fedresurs.ru/news (дата обращения: 16.06.2023).
3. Единый федеральный реестр юридически значимых сведений о фактах деятельности юридических лиц, индивидуальных предпринимателей и иных субъектов экономической деятельности (Федресурс). Сводные результаты процедур, применявшихся в деле о банкротстве на основе обработки сведений из опубликованных отчетов арбитражных управляющих за 1 кв. 2023 года. [Электронный ресурс]. URL: https://fedresurs.ru/news/cf80dd43-0e6f-411f-a2ed-2fa8735f5300 (дата обращения: 31.05.2023).
4. Единый федеральный реестр юридически значимых сведений о фактах деятельности юридических лиц, индивидуальных предпринимателей и иных субъектов экономической деятельности (Федресурс). Банкротства в России: I квартал 2023 года. Статистический релиз Федресурса по банкротству, 31.03.2023, с. 10. [Электронный ресурс]. URL: http://www.fedresurs.ru/news (дата обращения: 31.05.2023).
5. Экономические кризисы. / Большая советская энциклопедия. в 30-ти т. – 3-е изд. - М. : Советская энциклопедия, 1969 - 1986.
6. Березинец И. В., Бобылева А. З., Ильина Ю. Б. Вероятность банкротства: достоверны ли модели прогнозирования? // Государственное управление. Электронный вестник. – 2022. – № 94. – c. 68-83. – doi: 10.24412/2070-1381-2022-94-68-83.
7. Бобылева, А. З., Львова О. А. Финансово-экономический инструментарий выявления признаков объективного банкротства // Актуальные проблемы экономики и права. – 2020. – № 1. – c. 22–39. – doi: 10.21202/1993-047X.14.2020.1.22-39.
8. Девяткин О. В. Аутогенный кризис как концептуальная модель системных изменений // Вестник РЭУ имени Г. В. Плеханова. – 2019. – № 2 (104). – c. 182-191. – doi: 10.21686/2413-2829-2019-2.
9. Девяткин О. В. Стресс-тестирование в системе аутогенного кризиса // Научные исследования и разработки. Экономика фирмы. – 2019. – № 4. – c. 73-83. – doi: 10.12737/2306-627X-2019-71-81.
10. Девяткин О.В. Стресс-тестирование как инструмент управления кризисными ситуациями в организациях // Лидерство и менеджмент. – 2023. – № 1. – c. 81-92. – doi: 10.18334/lim.10.1.117422.
11. Львова О. А., Пеганова О. М. Факторы и причины банкротства компаний в условиях современной экономики // Государственное управление. Электронный вестник. – 2014. – № 44. – c. 64-82.
12. Федорова Е. А., Довженко С. Е., Федоров Ф. Ю. Модели прогнозирования банкротства российских предприятий: отраслевые особенности // Проблемы прогнозирования. – 2016. – № 3. – c. 32-40.
13. Altman Edward I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. – 1968. – p. 189—209. – doi: 10.1111/j.1540-6261.1968.tb00843.x.
14. Altman E. I., Haldeman R. G., Narayanan P. Zeta analysis: a new model to identify bankruptcy risk of corporation // Journal of Banking and Finance. – 1977. – № 1. – p. 29–54.
15. Barnett Carole K., Pratt Michael G. From threat‐rigidity to flexibility ‐ Toward a learning model of autogenic crisis in organizations // Journal of Organizational Change Management. – 2000. – № 13(1). – p. 74-88. – doi: 10.1108/09534810010310258.
16. Beaver W. Financial Ratios as Predictors of Failure // Journal of Accounting Research. – 1966. – № 4. – p. 71–111. – doi: 10.2307/2490171.
17. Garcia J. Bankruptcy Prediction Using Synthetic Sampling // Machine Learning with Applications. – 2022. – № 9. – doi: 10.1016/j.mlwa.2022.100343.
18. Jardin P. Dynamic Self-Organizing Feature Map-Based Models Applied to Bankruptcy Prediction // Decision Support Systems. – 2021. – № 147. – doi: 10.1016/j.dss.2021.113576.
19. Robert Drazin, Lloyd Sandelands Autogenesis: A Perspective on the Process of Organizing // Organization Science. – 1992. – № 3(2). – p. 230-249. – doi: 10.1287/orsc.3.2.23.
20. Qu Y., Quan P., Lei M., Shi Y. Review of Bankruptcy Prediction Using Machine Learning and Deep Learning Techniques // Procedia Computer Science. – 2019. – № 162. – p. 895–899. – doi: 10.1016/j.procs.2019.12.065.
21. Shumway T. Forecasting Bankruptcy More Accurately: A Simple Hazard Model // Journal of Business. – 2001. – № 74(1). – p. 101–124. – doi: 10.1086/209665.

Страница обновлена: 26.11.2024 в 12:57:09

Подробнее об авторе: