Пример готовой дипломной работы по предмету: Экономика
Содержание
СОДЕРЖАНИЕ
ВВЕДЕНИЕ ……………………………………………………………………… 4
Глава
1. Теоретические аспекты прогнозирования банкротства..…………….7
1.1. Определение и возможные причины банкротства………..…………..7
1.2. Модели прогнозирование банкротств в современной науке.………..8
1.2.1. Основополагающие модели предсказания банкротства… ……8
1.2.2. Альтернативные модели………………………………………..12
1.2.3. Анализ выживаемости………………………………………….13
1.2.4. Сравнение моделей прогнозирования банкротств……………15
Глава
2. Анализ выживаемости как метод оценки риска.……………………..18
2.1. Введение в анализ выживаемости..……………………………………18
2.2. Оценка Каплана-Мейера………………………………………………19
2.3. Регрессия Кокса…………………………………..…………………… 20
2.4. Регрессия Кокса с зависящими от времени ковариатами…………..21
2.5. Процесс оценивания коэффициентов регрессии…………………….23
Глава
3. Моделирование риска банкротства на данных российских компаний……….………………………………………………………………..24
3.1. Описание данных……………………………………………………… 24
3.2. Отбор финансовых показателей в качестве предикторов переменных………………………………………………………………… 26
3.3. Описание кривых дожития…..………………………………………..28
3.4. Модель Кокса…………………………………………………………..32
3.4.1. Начальная спецификация без учета временной структуры…… 32
3.4.2. Модель Кокса с зависящими от времени ковариатами …..…….34
Глава
4. Оценивание предсказательной силы модели…………………..……39
4.1. Метод оценивания……………………………………………………..40
4.2. Структура данных для оценивания модели………………………….42
4.3. Результаты оценивания точности модели…………………………… 44
ЗАКЛЮЧЕНИЕ………………………………………………………………… 48
СПИСОК ЛИТЕРАТУРЫ……………………………………………………….50
Приложение A
Приложение B
Приложение C
Приложение D
Выдержка из текста
ВВЕДЕНИЕ
В современных условиях ведения бизнеса, таких как жесткая конкуренция, глобализация и экономическая интеграция, большинству предприятий свойственна конкурентоспособность и финансовая устойчивость. Однако, в действительности, не все компании способны устоять перед резкими условиями ведения бизнеса, что способствовало появлению термина – финансовая несостоятельность или банкротство. В России в течение последних
1. лет наблюдался устойчивый рост количества банкротств во всех сферах бизнеса. По данным 2015 года суды объявили о несостоятельности 14600 компаний, что выше показателя за 2014 год на 2%. Данная тенденция особенно касается сфер, подверженных влиянию колебаний финансовых колебаний и кризисных явлений.
Банкротство фирмы может быть вызвано множеством факторов внешнего и внутреннего характера, например, неспособность менять организационную структуру, внутренние разногласия, необдуманная стратегия действий, инновации и многое другое. Несостоятельность компании характеризуется ее неспособностью рассчитаться по обязательствам, что чаще всего приводит к прекращению ее коммерческой деятельности. Способность руководителей фирм, испытывающих финансовые затруднения, с помощью грамотных управленческих решений приступить к финансовому оздоровлению и восстановлению платежеспособности, является одним из ключевых факторов снижения риска банкротства. Однако, для избежания возникновения кризисных ситуаций в компании, необходимо знать и причины банкротства тех или иных субъектов хозяйствования, и признаки, по которым можно выявить риск становления банкротом, что и определяет необходимость грамотных исследований в данной области. Важность затронутой проблематики подтверждает и тот факт, что методы прогнозирования банкротства предприятий является областью повышенного интереса не только для антикризисного менеджмента компании, но и для обширного круга контрагентов, таких как инвесторы, заемщики, партнеры и государственные органы.
Оценка вероятности банкротства является важнейшей составляющей процесса оценки кредитного риска, тем не менее, на сегодняшний день не существует всеобще признанной единой методики для осуществления данного анализа. Не смотря на это, существуют основополагающие модели по этой тематике, на основе которых было создано множество новых работ, ориентированных на оценку риска банкротства компании. Среди таких моделей можно выделить многомерный дискриминантный анализ Альтмана (Altman, 1968), логит-модель Ольсона (Ohlson, 1980) и дискретную модель выживаемости Шумвэя (Shumway, 2001).
В данной работе будет проведен анализ банкротств с использованием анализа выживаемости, а именно модели пропорциональных рисков Кокса с зависящими от времени ковариатами. Целью данного исследования является анализ вероятности банкротства для российских фирм производственного сектора с учетом зависимых от времени ковариат.
Для достижения поставленной цели необходимо выполнить следующие задачи:
• анализ литературы по вопросам предсказания банкротства;
• изучение основных теоретических моделей прогнозирования вероятности банкротства;
• построение вероятностной функции выживания, соответствующей длительности существования фирм и определение основных признаков фирм-банкротов;
• построение модели для проведения анализа выживаемости, а именно, регрессии Кокса с зависящими от времени ковариатами;
• выявление статистически значимых предикторов риска банкротства компаний;
• оценивание прогнозной силы модели путем выявления ее точности.
Объектом исследования являются российские фирмы, осуществляющие деятельность в производственном секторе. Предметом исследования является длительность коммерческой деятельности исследуемых фирм.
Научная новизна работы заключается в использовании регрессии Кокса для предсказания риска банкротства фирмы на примере российских фирм производственного сектора. Более того, в данной работе в модель Кокса будут включены не только стационарные переменные, но и меняющиеся во времени ковариаты (финансовые показатели фирмы) в целях повышения ее предсказательной способности.
Структура работы. Выпускная квалификационная работа состоит из введения, четырех глав, заключения, списка используемой литературы и приложения. Первая глава содержит обзор теоретических подходов к прогнозированию банкротств и их сравнение. Во второй главе происходит описание применяемой методологии, в том числе производится подробный разбор модели Кокса с зависящими от времени ковариатами. Третья глава включает в себя описание данных и результаты построения модели. В последней главе описывается методология определения точности модели и производится оценка результатов оценивания регрессии. Дипломная работа состоит из 60 страниц текста, 9 таблиц и 4 приложений. Библиографический список состоит из
3. наименований.
Список использованной литературы
СПИСОК ЛИТЕРАТУРЫ
1. Abad R.C., Fernández J.M.V., Rivera A.D. Modelling consumer credit risk via survival analysis // SORT Stat. Oper. Res. Trans. 2009. Т. 33. № 1. С. 3– 30.
2. Aharony J., Swary I. A note on corporate bankruptcy and the market model risk measures // J. Bus. Financ. Account. 1988. Т. 15. № 2. С. 275– 281.
3. Altman E.I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy // J. Finance. 1968. Т. 23. № 4. С. 589– 609.
4. Atiya A.F. Bankruptcy prediction for credit risk using neural networks: A survey and new results // Neural Networks, IEEE Trans. 2001. Т. 12. № 4. С. 929– 935.
5. Beaver W.H., McNichols M.F., Rhie J.-W. Have financial statements become less informative? Evidence from the ability of financial ratios to predict bankruptcy // Rev. Account. Stud. 2005. Т. 10. № 1. С. 93– 122.
6. Begley J., Ming J., Watts S. Bankruptcy classification errors in the 1980s: An empirical analysis of Altman’s and Ohlson's models // Rev. Account. Stud. 1996. Т. 1. № 4. С. 267– 284.
7. Bellovary J.L., Giacomino D.E., Akers M.D. A review of bankruptcy prediction studies: 1930 to present // J. Financ. Educ. 2007. С. 1– 42.
8. Chen L.-S. идр. Predictive survival model with time-dependent prognostic factors: development of computer-aided SAS Macro program // J. Eval. Clin. Pract. 2005. Т. 11. № 2. С. 181– 193.
9. Dimitras A.I. идр. Business failure prediction using rough sets // Eur. J. Oper. Res. 1999. Т. 114. № 2. С. 263– 280.
10. Dimitras A.I., Zanakis S.H., Zopounidis C. A survey of business failures with an emphasis on prediction methods and industrial applications // Eur. J. Oper. Res. 1996. Т. 90. № 3. С. 487– 513.
11. Fedorova E., Gilenko E., Dovzhenko S. Bankruptcy prediction for Russian companies: Application of combined classifiers // Expert Syst. Appl. 2013. Т. 40. № 18. С. 7285– 7293.
12. Jackson R.H.G., Wood A. The performance of insolvency prediction and credit risk models in the UK: A comparative study // Br. Account. Rev. 2013. Т. 45. № 3. С. 183– 202.
13. Kim M.H., Partington G. The dynamic prediction of company failure // 21st Australasian Finance and Banking Conference. , 2008.
14. Lane W.R., Looney S.W., Wansley J.W. An application of the Cox proportional hazards model to bank failure // J. Bank. Financ. 1986. Т. 10. № 4. С. 511– 531.
15. LeClere M.J. The occurrence and timing of events: Survival analysis applied to the study of financial distress // J. Account. Lit. 2000. Т. 19. С. 158– 189.
16. Lee M.-C. Business Bankruptcy Prediction Based on Survival Analysis Approach // Int. J. Comput. Sci. Inf. Technol. 2014. Т. 6. № 2. С. 103.
17. Luoma M., Laitinen E.K. Survival analysis as a tool for company failure prediction // Omega. 1991. Т. 19. № 6. С. 673– 678.
18. Miller W. Comparing models of corporate bankruptcy prediction: Distance to default vs. z-score // Z-Score (July 1, 2009).
2009.
19. Odom M.D., Sharda R. A neural network model for bankruptcy prediction // 1990 IJCNN International Joint Conference on neural networks. , 1990. С. 163– 168.
20. Ohlson J.A. Financial ratios and the probabilistic prediction of bankruptcy // J. Account. Res. 1980. С. 109– 131.
21. Partington G., Kim M.H. Modeling bankruptcy prediction using Cox regression model with time-varying covariates // Available SSRN 1101876. 2008.
22. Pereira J. Survival Analysis Employed in Predicting Corporate Failure: A Forecasting Model Proposal // Int. Bus. Res. 2014. Т. 7. № 5. С. 9.
23. Perperoglou A., Cessie S. le, Houwelingen H.C. van. A fast routine for fitting Cox models with time varying effects of the covariates // Comput. Methods Programs Biomed. 2006. Т. 81. № 2. С. 154– 161.
24. Raghupathi W., Schkade L.L., Raju B.S. A neural network application for bankruptcy prediction // System Sciences, 1991. Proceedings of the Twenty-Fourth Annual Hawaii International Conference on. , 1991. С. 147– 155.
25. Severin E.K., Koloszár L. «The Efficiency of Bankruptcy Forecast Models in the Hungarian SME Sector.» // J. Compet. 2014. Т. 6. № 2. С. 56– 73.
26. Shumway T. Forecasting bankruptcy more accurately: A simple hazard model* // J. Bus. 2001. Т. 74. № 1. С. 101– 124.
27. Thomas L., Reyes E.M. Tutorial: survival estimation for Cox regression models with time-varying coefficients using SAS and R // J. Stat. Softw. 2014. Т. 61.
28. Upward R. Constructing data on unemployment spells from the PSID and the BHPS // Cent. Res. Glob. Labour Mark. Sch. Econ. Stud. Nottingham. 1999.
29. Zmijewski M.E. Methodological issues related to the estimation of financial distress prediction models // J. Account. Res. 1984. С. 59– 82.
30. Завадников В.О. О промышленной политике в Российской Федерации // Промышленная политика в Российской Федерации. 2007. № 5. С. 3– 24.
