Food Processing: Techniques and Technology Food Processing: Techniques and Technology Техника и технология пищевых производств 2074-9414 2313-1748 80841 10.21603/2074-9414-2024-1-2498 ОРИГИНАЛЬНАЯ СТАТЬЯ ORIGINAL ARTICLE ОРИГИНАЛЬНАЯ СТАТЬЯ Express Diagnostics of Bankruptcy Risks Based on a Selective-Indicative Model Экспресс-диагностика риска банкротства организаций на базе селективно-индикативной модели https://orcid.org/0000-0002-0172-3783 Черниченко Светлана Геннадьевна Chernichenko Svetlana G. chernichenko66@mail.ru https://orcid.org/0000-0003-0238-3466 Котов Роман Михайлович Kotov Roman M. Кемеровский государственный университет Кемерово Россия Kemerovo State University Kemerovo Russian Federation Кемеровский государственный университет Кемерово Россия Kemerovo State University Kemerovo Russian Federation 28 03 2024 28 03 2024 54 1 167 177 19 07 2023 07 11 2023 https://fptt.ru/en/issues/22328/22382/

Конструирование наиболее эффективных моделей диагностики риска банкротства нацелено на предотвращение проблемы финансового кризиса в народно-хозяйственном комплексе России. В статье представлен механизм экспресс-диагностики риска дефолта, ориентированный на раннее распознавание сигнальных признаков, определение «кризисного поля» и предварительную оценку масштабов предкризисного состояния предприятий. В качестве диагностического инструмента предлагается селективно-индикативная модель с регионально-отраслевой спецификацией. Спецификация предусматривает применение регионально-отраслевого уровня экспонентов модели в качестве их значений-ориентиров. Эмпирический фундамент исследования построен на основе статистических и справочных материалов, а также данных финансовой отчетности сельскохозяйственных организаций Кемеровской области – Кузбасса. Исследование включало следующие стадии: выявление индикативных сигналов риска банкротства на основе изучения 22 оригинальных методик прогнозирования финансового кризиса на предмет состава методического инструментария; оценку уровня их практической «популярности»; оценку комплекта выявленных индикативных сигналов риска дефолта на адекватность путем анализа их сопряженности с известными сигнальными критериями финансовой несостоятельности; экономическую интерпретацию и тематическую типизацию индикативных сигналов риска дефолта, фиксацию аналитических векторов-ориентиров; идентификацию индивидуального «долевого присутствия» индикативных сигналов риска банкротства в совокупности; определение и обоснование критических значений экспонентов модели, обеспечение направленности аналитических векторов-ориентиров для максимизации целевой функции; систематизацию и синтез индикативных сигналов в диагностическую модель, разработку градационной шкалы; фиксацию сигнальной аналитической базы; апробацию сформированной модели; формулирование выводов об адекватности модели и возможности ее адаптации в реальном секторе экономики. Модель, сконструированная на фундаменте индикативных сигналов риска банкротства в контексте их частного «долевого присутствия» в рейтинговом числе, позволит повысить прогностическое качество диагностической процедуры. Практическое применение модели, которая базируется на небольшом числе экспонентов, приведет к повышению скорости антикризисного анализа.

Effective bankruptcy risk diagnostics may prevent a financial crisis in Russia’s national economy. The article introduces a novel express tool for bankruptcy diagnostics based on early recognition of alert signs, crisis fields, and preliminary pre-crisis assessment. The tool is a selective-indicative model with regional and industrial specifications. Regional and industrial exhibitors served as benchmark indicators. The empirical material included statistics, reference materials, and financial reports from agricultural organizations in the period of external economic shocks (2014–2022), Kemerovo region, Russia. First, the alert signals of bankruptcy risk were identified based on 22 original methods of financial crisis forecasting. After that, they were assessed for practical popularity. The identified default risk signals were linked to the existing criteria of financial insolvency, subjected to economic interpretation, and classified. After fixing the analytical reference vectors, the authors identified the share of each indicator. By determining the latest results of model exponents, they ensured the direction of analytical reference vectors to maximize the disabled function. The next stage involved systematization and synthesis of alert signals into a diagnostic model to be developed into a gradation indicator. After fixing the signal analytical base, the model was tested to formulate conclusions about its adaptability in the current economy. The resulting model relied on the share of each alert signal of bankruptcy risk in the rating number. It may improve the quality of predictive diagnostics. As the model needs few exponents, it provides a high-speed crisis analysis.

 Экспресс-диагностика риск банкротства индикативный сигнал директ-индикатор вектор-ориентир селективно-индикативная модель регионально-отраслевая спецификация Express diagnostics bankruptcy risk indicative signal direct indicator reference vector selective-indicative model regional-industry specification

Абдуллаева П. Р., Бандурина Н. В., Воронина Ю. М. Законодательство о банкротстве: преемственность и новации. М.: Юстицинформ, 2023. 348 с. Abdullayeva PR, Bandurina NV, Voronina YuM. Bankruptcy legislation: Continuity and innovations. Moscow: Yustitsinform, 2023. 348 p. (In Russ.). Civil Code of the Russian Federation [Internet]. [cited 2023 Jun 15]. Available from: https://www.consultant.ru/document/cons_doc_LAW_5142 Civil Code of the Russian Federation [Internet]. [cited 2023 Jun 15]. Available from: https://www.consultant.ru/document/cons_doc_LAW_5142 Chernichenko SG, Kotov RM. Methodological tools for diagnosing insolvency (bankruptcy) of organizations in the anti-crisis management system. Food Processing: Techniques and Technology. 2020;50(4):588–601. (In Russ.). https://doi.org/10.21603/2074-9414-2020-4-588-601 Chernichenko SG, Kotov RM. Methodological tools for diagnosing insolvency (bankruptcy) of organizations in the anti-crisis management system. Food Processing: Techniques and Technology. 2020;50(4):588–601. (In Russ.). https://doi.org/10.21603/2074-9414-2020-4-588-601 Горбатков С. А., Фархиева С. А., Белолипцев И. И. Нейросетевые и нечеткие методы моделирования диагностики и прогнозирования банкротств корпораций. М.: Прометей, 2018. 371 с. https://elibrary.ru/XQVBDX Gorbatkov SA, Farkhieva SA, Beloliptsev II. Neural network and fuzzy modeling methods for diagnosing and predicting corporate bankruptcies. Moscow: Prometey; 2018. 371 p. (In Russ.). https://elibrary.ru/XQVBDX Жданов В. Ю. Диагностика риска банкротства. М.: Проспект, 2022. 159 с. Zhdanov VYu. Diagnosing bankruptcy risks. Moscow: Prospekt; 2022. 159 p. (In Russ.). Kazakov AV, Kolyshkin AV. The development of bankruptcy prediction models in modern Russian economy. St. Petersburg University Journal of Economic Studies. 2018;34(2):241–266. (In Russ.). https://doi.org/10.21638/11701/spbu05.2018.203 Kazakov AV, Kolyshkin AV. The development of bankruptcy prediction models in modern Russian economy. St. Petersburg University Journal of Economic Studies. 2018;34(2):241–266. (In Russ.). https://doi.org/10.21638/11701/spbu05.2018.203 Mizanbekova SK, Bogomolova IP, Shatohina NM. Prospects for digital and innovative technologies in management competitiveness of enterprises. Food Processing: Techniques and Technology. 2020;50(2):372–382. (In Russ.). https://doi.org/10.21603/2074-9414-2020-2-372-382 Mizanbekova SK, Bogomolova IP, Shatohina NM. Prospects for digital and innovative technologies in management competitiveness of enterprises. Food Processing: Techniques and Technology. 2020;50(2):372–382. (In Russ.). https://doi.org/10.21603/2074-9414-2020-2-372-382 Ряховская А. Н. Банкротство и финансовое оздоровление субъектов. М.: Юрайт, 2024. 153 с. Ryakhovskaya AN. Bankruptcy and financial recovery of economic entities. Moscow: Yurayt; 2024. 153 p. (In Russ.). Fedorova EA, Musienko SO, Fedorov FYu. Analysis of the external factors influence on the forecasting of bankruptcy of Russian companies. St. Petersburg University Journal of Economic Studies. 2020;36(1):117–133. (In Russ.). https://doi.org/10.21638/spbu05.2020.106 Fedorova EA, Musienko SO, Fedorov FYu. Analysis of the external factors influence on the forecasting of bankruptcy of Russian companies. St. Petersburg University Journal of Economic Studies. 2020;36(1):117–133. (In Russ.). https://doi.org/10.21638/spbu05.2020.106 Altman EI, Hotchkiss E. Corporate financial distress and bankruptcy: Predict and avoid bankruptcy, analyze and invest in distressed debt. John Wiley and Sons; 2010, 368 p. Altman EI, Hotchkiss E. Corporate financial distress and bankruptcy: Predict and avoid bankruptcy, analyze and invest in distressed debt. John Wiley and Sons; 2010, 368 p. Kücher A, Mayr S, Mitter C, Duller C, Feldbauer-Durstmüller B. Firm age dynamics and causes of corporate bankruptcy: age dependent explanations for business failure. Review of Managerial Science. 2020;14:633–661. https://doi.org/10.1007/s11846-018-0303-2 Kücher A, Mayr S, Mitter C, Duller C, Feldbauer-Durstmüller B. Firm age dynamics and causes of corporate bankruptcy: age dependent explanations for business failure. Review of Managerial Science. 2020;14:633–661. https://doi.org/10.1007/s11846-018-0303-2 Newton GW. Bankruptcy and insolvency accounting: Practice and procedure. New York: John Wiley and Sons; 2019. 554 p. Newton GW. Bankruptcy and insolvency accounting: Practice and procedure. New York: John Wiley and Sons; 2019. 554 p. Sheynman OK. Integrable systems of algebraic origin and separation of variables. Functional Analysis and its Applications. 2018;52(4):94–98. (In Russ.). https://doi.org/10.4213/faa3553 Sheynman OK. Integrable systems of algebraic origin and separation of variables. Functional Analysis and its Applications. 2018;52(4):94–98. (In Russ.). https://doi.org/10.4213/faa3553 Territorial body of the Federal State Statistics Service for the Kemerovo region (Kuzbass) [Internet]. [cited 2023 Jun 17]. Available from: https://42.rosstat.gov.ru Territorial body of the Federal State Statistics Service for the Kemerovo region (Kuzbass) [Internet]. [cited 2023 Jun 17]. Available from: https://42.rosstat.gov.ru Federal State Statistics Service [Internet]. [cited 2023 Jun 17]. Available from: https://www.gks.ru Federal State Statistics Service [Internet]. [cited 2023 Jun 17]. Available from: https://www.gks.ru Directory of financial indicators of industries in the Russian Federation [Internet]. [cited 2023 Jun 17]. Available from: https://www.testfirm.ru/finfactor Directory of financial indicators of industries in the Russian Federation [Internet]. [cited 2023 Jun 17]. Available from: https://www.testfirm.ru/finfactor Accounting. Taxes. Audit [Internet]. [cited 2023 Jun 17]. Available from: https://www.audit-it.ru Accounting. Taxes. Audit [Internet]. [cited 2023 Jun 17]. Available from: https://www.audit-it.ru Rada AO, Fedulova EA, Kosinsky PD. New method for efficiency evaluation of digital technologies in agricultural sector. Food Processing: Techniques and Technology. 2019;49(3):495–504. (In Russ.). https://doi.org/10.21603/2074-9414-2019-3-495-504 Rada AO, Fedulova EA, Kosinsky PD. New method for efficiency evaluation of digital technologies in agricultural sector. Food Processing: Techniques and Technology. 2019;49(3):495–504. (In Russ.). https://doi.org/10.21603/2074-9414-2019-3-495-504 Shadrin VG, Kotova ON, Polikarpova LA. The current state and prospects of the grain market in the Kemerovo region. Food Processing: Techniques and Technology. 2019;49(4):680–688. (In Russ.). https://doi.org/10.21603/2074-9414-2019-4-680-688 Shadrin VG, Kotova ON, Polikarpova LA. The current state and prospects of the grain market in the Kemerovo region. Food Processing: Techniques and Technology. 2019;49(4):680–688. (In Russ.). https://doi.org/10.21603/2074-9414-2019-4-680-688