В рамках настоящей статьи протестированы теоретические экономико-математические модели на основе реальных данных на предмет соответствия эмпирической динамике. В данной статье проводится анализ финансового состояния предприятий оборонно-промышленного комплекса Российской Федерации на основании ретро-данных в период с 2004 по 2012 года. Для характеристики финансового состояния организации используются два коэффициента финансового анализа: коэффициент текущей ликвидности и коэффициент обеспеченности собственными оборотными средствами. На основании динамики приростов коэффициентов были построены модели для прогнозирования и оценки финансовой устойчивости предприятий ОПК. Построенные модели позволяют проводить имитационные эксперименты для оценки финансовой устойчивости отдельных предприятий.
эфинансовая устойчивость, VaR, ОПК
1. Beaver W.H. Financial ratios as predictors of failure /W.H. Beaver // Journal of accounting research. - 1966. - p. 71-111.
2. Wilcox J.W. A prediction of business failure using accounting data / J.W. Wilcox // Journal of Accounting Research. - 1973. - p. 163-179.
3. Wilcox J.W. The gambler’s ruin approach to business risk / J.W. Wilcox // Sloan Management Review. - 1976. - vol. 18. - №. 1. - p. 33.
4. Ширяев А.Н. Вероятность / А.Н. Ширяев. - МЦНМО, 2007.
5. Vinso J.D. A Determination of the Risk of Ruin / J.D. Vinso // Journal of Financial and Quantitative Analysis. - 1979. - vol. 14. - №. 1. - p. 77-100.
6. Santomero A.M., Vinso J.D. Estimating the probability of failure for commercial banks and the banking system / J.D. Vinso, A.M. Santomero // Journal of Banking & Finance. - 1977. - vol.1. - №. 2. - p. 185-205.
7. Lane W.R., Looney S.W., Wansley J.W. An application of the Cox proportional hazards model to bank failure / W.R. Lane, S.W. Looney, J.W. Wansley // Journal of Banking & Finance. - 1986. - vol. 10. - №. 4. - p. 511-531.
8. Bellovary J., Giacomino D., Akers M. A Review of Bankruptcy Prediction Studies: 1930-Present / J. Bellovary, D. Giacomino, M. Akers // Journal of Financial Education. - vol. 33 (Winter 2007). - p.1-42.
9. Ohlson J.A. Financial ratios and the probabilistic prediction of bankruptcy / J.A. Ohlson // Journal of accounting research. - 1980. - p. 109-131.
10. West R. A factor-analytic approach to bank condition / R. West // Journal of Banking & Finance. - 1985. - № 9(2). - p. 253-266.
11. Shumway T. Forecasting bankruptcy more accurately: A simple hazard model / T. Shumway // Journal of Business. - 2001. - № 74(1).
12. Jackson R.H., Wood A., The performance of insolvency prediction and credit risk models in the UK: A comparative study / R.H. Jackson, A. Wood // The British Accounting review 45 (2013). - p. 183-202.
13. Odom M.D., Sharda R. A neural network model for bankruptcy prediction / M.D. Odom, R. Sharda // Neural Networks, 1990. IJCNN International Joint Conference on. - IEEE, 1990. - p. 163-168.
14. R Development Core Team (2008). R: A language and environment for statistical computing. R Foundation for Statistical Computing. - Vienna, Austria. URL: http://www.R-project.org.
15. Quantitative Risk Management: Concepts, Techniques and Tools by Alexander J. McNeil, Ruediger Frey and Paul Embrechts. - Princeton Press, 2005.
16. Intermediate probability: A computational approach by Marc Paolella. - Wiley, 2007
17. S-Plus and R Library for Quantitative Risk Management QRMlib by Alexander J. McNeil (2005) and Scott Ulman (R-port) (2007) URL: http://www.macs.hw.ac.uk/~mcneil/book/QRMlib.html and QRMlib
18. Altman E. Corporate Financial Distress / E. Altman. - New York, John Wiley, 1983.
19. Altman E. A complete guide for predicting, avoiding and dealing with bankruptcy / E. Altman. - New York, 1986.
20. Udo G. Neural network performance on the bankruptcy classification problem / Udo G. // Computers & industrial engineering. - 1993. - vol. 25. - №. 1-4. - p. 377-380.
21. Coats P.K., Fant L.F. Recognizing financial distress patterns using a neural network tool / P.K. Coats, L.F. Fant // Financial management. - 1993. - p. 142-155.
