Рейтинговая идентификация промышленных предприятий

Жданов, Иван Юрьевич

Темы диссертаций по экономике » Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда

Рейтинговая идентификация промышленных предприятий тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень: кандидата экономических наук
Автор: Жданов, Иван Юрьевич
Место защиты: Москва
Год: 2012
Шифр ВАК РФ: 08.00.05

Рейтинговая идентификация промышленных предприятий - тема диссертации по экономике, скачайте бесплатно в экономической библиотеке

Диссертация

Автореферат диссертации по теме "Рейтинговая идентификация промышленных предприятий"

005056919

На правах рукописи —

ЖДАНОВ ИВАН ЮРЬЕВИЧ

РЕЙТИНГОВАЯ ИДЕНТИФИКАЦИЯ ПРОМЫШЛЕННЫХ ПРЕДПРИЯТИЙ (на примере предприятий авиационно-космического комплекса)

Специальность: 08.00.05 - «Экономика и управление народным хозяйством» (экономика, организации и управления предприятиями, отраслями, комплексами - промышленность)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук

Москва - 2012 г.

005056919

Работа выполнена на кафедре «Экономическая информатика» в ФГБОУ ВПО «Московский авиационный институт (национальный исследовательский университет)».

Научный руководитель: кандидат экономических наук, доцент

Афанасьева Ольга Анатольевна Официальные оппоненты: доктор экономических наук, профессор

Ващенко Владимир Константинович

кандидат экономических наук, доцент Панфилова Елена Евгеньевна

Ведущая организация: Федеральное государственное бюджетное

образовательное учреждение высшего профессионального образования «МАТИ -Российский государственный технологический университет им. К.Э. Циолковского»

Защита диссертации состоится «14» ноября 2012 г. в 14 часов 00 минут на заседании диссертационного совета Д 212.125.06 при Московском авиационном институте (национальным исследовательском университете) по адресу: 125993, г. Москва, Волоколамское шоссе д.4, корпус №5, зал заседаний ученого совета ИНЖЭКИН.

С диссертацией можно ознакомиться в библиотеке Московского авиационного института (национального исследовательского университета).

Автореферат разослан « »_ 2012 г.

Ученый секретарь

диссертационного совета Д. 212.125.06 доктор экономических наук, доцент

К.Б. Доброва

I. ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИИ

Актуальность темы диссертационного исследования.

Современный этап становления национальной промышленности, ее эффективность и устойчивость развития, дальнейший инновационный рост возможен только через привлечение долгосрочного иностранного капитала и активизации отечественных инвесторов. Для преодоления депрессивного состояния в промышленности и выхода на устойчивую траекторию технологического и экономического роста российской экономике требуется по разным оценкам от 50 до 100 миллиардов долларов инвестиций в год.

Проблема привлечения инвестиций в отрасль машиностроения и, в частности, для предприятий авиационно-космического комплекса стоит особенно остро. По данным всемирного форума российские предприятия находятся на 124 месте по уровню инвестиционной привлекательности.

Современным инструментом взаимодействия предприятия с инвесторами и кредиторами выступает кредитный рейтинг рейтинговых агентств (Fitch, Moody's, Standard&Poor's, НРА, Эксперт РА, АК&М и др.), который является универсальным показателем уровня устойчивости развития и оценки привлекательности предприятия для инвесторов, служит для них основой при принятии инвестиционных решений.

В современном понимании кредитный рейтинг выступает как информационно-экономический показатель состояния всей финансово-экономической структуры предприятия, как интегральная оценка уровня риска банкротства, устойчивости и доходности предприятия, которые определяют уровень инвестиционной привлекательности предприятия для инвестора.

Вступление страны в ВТО и закрепление в российском законодательстве рейтингового подхода при привлечении инвестиционного капитала на финансовых рынках делает обязательным для предприятий получение кредитного рейтинга. Таким образом, рейтинговые стандарты оценки предприятия являются необходимым условием для успешного привлечения инвестиций.

В России на данный момент только около 180 предприятий имеют рейтинги международных агентств (Fitch, Moody's и Standard&Poor's). Отечественные рейтинговые агентства: АК&М, Эксперт РА, НРА и др., только набирают авторитет и официальное признание. Темпы внедрения и адаптации рейтинговых стандартов в России не отвечают современным требованиям. Сегодня многие предприятия не имеют рейтингов и кредитных историй, но остро нуждаются в западных инвестициях, поэтому необходима новая методика и открытая система идентификации состояния предприятия, уровня его инвестиционной привлекательности по международной рейтинговой шкале. Это обуславливает разработку новых подходов, методов и инструментов экспресс диагностики и целевого планирования уровня инвестиционной привлекательности, обеспечивающих раннее информационное взаимодействие

с инвесторами и возможность самому предприятию проводить активную инвестиционную политику.

Степень разработанности проблемы.

Вопросы определения роли инвестиций на предприятии, методы построения оценки инвестиционной привлекательности для различных типов инвесторов, хорошо разработаны и представлены в работах таких видных ученых как: У. Шарп, Ф. Фама, Дж. Бейли, Е. Френч, С. Росс, М. Кархарт, Ф. Блек, А. Дамодаран, Г. Александер, Тихомиров Н.П., Беликова A.B., Гаврилюк О.И., Игольников Г.Л., Игошин Н.В., Кныш М.И., Тафеева A.A., Милованова Е.А., Брызгалова Н.Ю., Бланк И., Бабенко А.Г., Петухова H.H., Севрюгин Ю.В., Суверов С.О., Чайникова J1.H. и др.

Практическими вопросами поиска путей повышения инвестиционной привлекательности и эффективности функционирования предприятий, занимались такие ученые как: Аннаев A.A., Асамбаев М., Портнов В.В., Купленков М.Ю., Дворников М.А., Швец С.М., Чаусский А., Неверова О.И., Соломатин Н.А, Калачанов В.Д., Панагушин В.П. и др.

Вопросы теории и практики экономико-математического моделирования отражены в фундаментальных трудах известных западных экономистов - Л. Клейна, Д. Макфаддена, Ф. Модильяни, Д. Тобина, Я. Фриша, Т. Хаавельмо, Дж. Хэкмена и др. В научных работах отечественных экономистов: Айвазяна С.А., Енюкова И.С., Мешалкина Л.Д., Дуброва A.M., Мхитаряна B.C., Трошина

A.Н., Елисеевой И.И., Магнуса Я.Р., Катышева П.К., Пересецкого A.A., Носко

B.П. и др.

Большой вклад в развитие методик рейтинговой оценки риска банкротства предприятия внесли такие ученые как: Э. Альтман, У. Бивер, Р. Таффлер, Дж. Олсон, Р. Мертон, Ю. Бригхэм, Зайцева О.П., Селезнева H.H., Ионова А.Ф., Савицкая Г.В., Шеремет А.Д., Сайфулин P.C., Чернышева Ю.Г., Чернышев Э.А. и др. Весомый практический и научный вклад в методологию и методы рейтингования предприятий, оценки рисков банкротства и инвестиционной привлекательности предприятий внесли международные рейтинговые агентства: Standard&Poor's, Moody's, Fitch и другие.

Значительный интерес представляют работы по использованию рейтингов как инструментов повышения инвестиционной привлекательности, таких ученых как: Дж.О. Хорриган, Г. Пинчес, С. Катз, Семункин М.С., Счастливое A.C., Карминский A.M., Пересецкий A.A., Петров А.Е и др.

Тем не менее, отсутствует комплексная методика, обеспечивающая проведение эффективной инвестиционной политики менеджментом предприятия. Мало разработаны теоретические и методические подходы по созданию доступных экспресс-методов рейтингования предприятий на базе публичных «эталонных оценок» международных кредитных рейтингов, отражающих объективные уровни риска банкротства и инвестиционной привлекательности промышленного предприятия по авторитетным рейтинговым шкалам.

Актуальность и практическая значимость указанной проблемы предопределили выбор темы, объекта и предмета исследования.

Целью диссертационного исследования является научное обоснование и разработка комплексной методики рейтинговой идентификации промышленных предприятий для повышения уровня их инвестиционной привлекательности

Объектом диссертационного исследования являются отечественные промышленные предприятия.

Предметом диссертационного исследования являются методики, методы и подходы к управлению инвестиционной привлекательностью предприятия с помощью рейтинговой идентификации.

Цель диссертационного исследования обусловила необходимость решения следующих задач:

1. Проанализировать теоретические подходы к определению понятий «инвестиционная привлекательность», «кредитный рейтинг», выявить их экономическое содержание и взаимозависимость. Определить особенности понимания кредитного рейтинга как интегрального информационно-экономического показателя уровня риска банкротства и инвестиционной привлекательности предприятия.

2. Проанализировать принципы построения рейтингов и подходы к определению оценки инвестиционной привлекательности предприятий.

3. Обосновать возможность использования международных кредитных рейтингов российских предприятий, присвоенных зарубежными рейтинговыми агентствами Fitch, Moody's, Standard&Poor's в качестве экспертных оценок уровня инвестиционной привлекательности по международной рейтинговой шкале.

4. Разработать методику рейтинговой идентификации предприятий. Построить модели виртуального кредитного рейтинга предприятия с использованием современных методов.

5. Выполнить рейтинговую идентификацию промышленных предприятий авиационно-космического комплекса за 2001-2011 годы, определить их виртуальный кредитный рейтинг по международной рейтинговой шкале и составить их рейтинговые коэффициентные профили. Провести тестирование и показать возможности практического использования моделей.

6. Определить перспективы и эффективность использования методики и модели рейтинговой идентификации промышленных предприятий в качестве метода оптимизации процесса привлечения инвестиций, как эффективного инструмента управления взаимодействием менеджмента предприятия и инвестора.

Информационную и эмпирическую базу для диссертационного исследования составили официальные данные государственной статистики, материалы научной периодической печати, данные информационно аналитической системы профессионального анализа рынков и компаний — СПАРК. Отчеты по кредитным рейтингам предприятий от международных

рейтинговых агентств за 2001-2011 года: Moody's, Standard&Poor's, Fitch, а также отечественных рейтинговых: агентств: Эксперт-PA, НРА (Национальное Рейтинговое Агентство), Pye-рейтинга и АК&М. Статистические данные о показателях развития российских промышленных предприятий получены из международной статистической базы - UNCTAD и отечественной — Росстат. Информационная база включает в себя данные ежегодных балансов по 180 отечественным предприятиям за период с 2001 по 2011 года с международным рейтингом, 127 предприятий с рейтингом НРА (Национальное Рейтинговое Агентство), 131 предприятие, разместившее облигационные займы на отечественном фондовом рынке ММВБ, 27 успешных и 20 предприятий банкротов авиационно-космического комплекса. Основные методы исследования.

В работе принят комплексный подход с использованием методов системного, корреляционного, кластерного анализа, математико-статистических методов обработки данных и современных методов нейросетевого моделирования. Статистические расчеты по построению дискриминантных моделей выполнены с помощью программы STATISTICA 6. Разработка и тестирование модуля нейронных сетей проводилась с помощью программ: STATISTICA 6 Neural Network, NeuroShell 2 и PolyAnalyst. Расчеты финансово-экономических коэффициентов проводились в разработанной автором программе QFinAnalysis 2, реализованной в среде MS Excel.

Область диссертационного исследования соответствует требованиям паспорта специальностей ВАК 08.00.05 «Экономика и управление народным хозяйством» (экономика, организация и управление предприятием, отраслями, комплексами — промышленность): п.1.1.1, п.1.1.4, п.1.1.13, п.1.1.21.

В рамках диссертационного исследования получены и выносятся на защиту следующие научные результаты:

• Дано авторское определение экономических понятий: «инвестиционная привлекательность» (ИП), «рейтинг» и «рейтинговая идентификация» (РИ) и показана их взаимосвязь;

• Показана значимость рейтинговой оценки для предприятий, как эффективного информационного инструмента взаимодействия с инвесторами и кредиторами;

• Разработана методика использования публичных международных кредитных рейтингов в создании инструментов и методов повышения уровня инвестиционной привлекательности предприятия;

• Определены значимые финансово-экономические показатели для построения моделей виртуальных кредитных рейтингов (ВКР);

• Разработаны две дискриминантные и две нейросетевые модели рейтинговой идентификации отечественных предприятий;

• Показана возможность эффективного использования нейронных сетей в создании рейтинговых моделей;

• Для практического использования методики разработан модуль в авторской программе QFinAnalysis 2 для расчета рейтинга предприятия по дискриминантным моделям;

• Проведена оценка экономического эффекта использования рейтинга;

• Проведено рейтингование 27 отечественных предприятий авиационно-космического комплекса и 15 предприятий банкротов.

Научная новизна диссертационного исследования заключается в разработке и адаптации рейтинговых методик для отечественных предприятий, а также определении практических рекомендаций для авиационно-космических предприятий и подтверждается следующими полученными выводами:

1. Проведен анализ и дано авторское определение экономических понятий: «инвестиционная привлекательность», «кредитный рейтинг» и «рейтинговая идентификация».

2. Показано, что рейтинг международных рейтинговых агентств Fitch, Moody's, Standard&Poor's (S&P) является общепризнанной интегральной оценкой для инвесторов, которая отражает определенный уровни риска банкротства и инвестиционной привлекательности предприятия. Показана значимость рейтинговой оценки международных и отечественных рейтинговых агентств для различных типов инвесторов в принятии инвестиционных решений. Обоснован новый подход использования рейтингов для повышения уровня инвестиционной привлекательности предприятия.

3. Определены основные подходы и методы составления кредитных рейтингов отечественными и зарубежными учеными. Исследованы особенности методики составления рейтингов зарубежными и отечественными рейтинговыми агентствами, их назначение и типология, описаны недостатки существующих рейтинговых методик, проведен сопоставительный анализ их рейтинговых шкал.

4. Предложена новая методика использования международных кредитных рейтингов в создании инструмента повышения уровня инвестиционной привлекательности предприятия для инвесторов. Выделены значимые финансово-экономические показатели предприятия и построена модель виртуального кредитного рейтинга, описывающая с высокой точностью существующие реальные международные кредитные рейтинги.

5. Построены дисриминантные модели виртуального кредитного рейтинга по рейтинговым оценкам агентства НРА и международных агентств Fitch, Moody's, S&P. Создан модуль в авторской программе QFinAnalysis 2 по расчету рейтингов на основе дискриминантных моделей.

6. Показаны преимущества нейронных сетей перед классическими статистическими методами в создании виртуального кредитного рейтинга. Разработаны нейросетевые модели на базе рейтинговых оценок НРА и международных агентств Fitch, Moody's и S&P.

7. Выявлена зависимость между значением виртуального кредитного рейтинга и стоимостью заемного капитала.

8. Показаны возможности использования методики и моделей виртуального кредитного рейтинга для диагностики риска банкротства предприятий и уровня инвестиционной привлекательности. Проведен анализ рейтинговых коэффициентных профилей предприятий (РКП), определяющий плановые уровни ИП и задачи для менеджмента. Построен индекс уровня инвестиционной привлекательности предприятий по отечественным и международным рейтинговым шкалам для группы из 27 предприятий авиационно-космического комплекса.

Теоретическая значимость исследования состоит в развитии теории, подходов и методов рейтинговой идентификации предприятий, в обосновании необходимости построения комплексной методики и методов рейтингования, обеспечивающих понимание и активное управление менеджментом уровнем инвестиционной привлекательности своего предприятия. Полученные результаты могут служить теоретической и методической базой для дальнейших исследований в области управления уровнем инвестиционной привлекательности предприятия на основе рейтинговых оценок международных и отечественных агентств и их имитационных моделей.

Практическая значимость исследования.

Разработана методика РИ, модели ВКР и РКП, которая дает комплексное представление об инвестиционном потенциале предприятия.

• методика РИ изложена в виде формул, которые могут быть практически использованы менеджментом и собственниками предприятий для управления уровнем инвестиционной привлекательности, а также различными типами инвесторов — для оценки привлекательности предприятий, государственными органами — для мониторинга промышленных предприятий и отраслей;

результаты и выводы могут быть использованы высшими научными заведениями в курсах лекций, семинаров и практических занятий: «Стратегическое управление предприятием», «Стратегические финансы», «Финансовый и инвестиционный менеджмент» и других.

Апробация и реализация результатов исследования.

Основные результаты диссертационного исследования обсуждались и были одобрены на конференциях различного уровня. Среди них: 27-28.04.2010 г. - Научно практическая конференция молодых ученых и студентов (диплом 2 степени); 16-18.11.2010г. - «9-я Международная конференция авиация и космонавтика - 2010»; 25.10.2011 г. - Конференция Саркисяна. «Экономика и менеджмент инноваций в создании АПК»; 810.11.2011 г. - «10-я Международная конференция авиация и космонавтика -2011»; 25.11.2011 г. - «Научно-экономическая конференция академика П.П. Маслова»; 27-28.03.2012 г. - Международная заочная научно-практическая конференция «Теоретические практические аспекты развития современной науки»; 14.04.2012 г. - Всероссийская научно-практическая заочная конференция «Задачи современной экономики для отечественных предприятий

различных отраслей»; 17-20.04.2012 г. - «Инновация в авиации и космонавтике» (диплом 2 степени).

Авторские публикации по результатам диссертационного исследования. Основные положения диссертационного исследования нашли отражение в 14 статьях, 5 из которых определены перечнем ВАК России, общий объем публикаций 3.05 п.л., в т.ч. авторские 2.85 пл.

Внедрение результатов диссертационного исследования. Результаты диссертационного исследования внедрены и используются:

- в коммерческой деятельности ОАО «Сбербанк России» Южное отделение № 7004 при принятии решений о кредитовании промышленных предприятий Уральского федерального округа;

- в учебном процессе «Уральского государственного экономического университета» по курсу «Инвестиции», «Корпоративные финансы»;

- в практике работы Правительства Свердловской области Министерства экономики Свердловской области для экспресс-диагностики уровней риска банкротства и инвестиционной привлекательности предприятий Уральского промышленного региона.

Ряд материалов статей по теме диссертации размещен на авторском сайте: «Финансовый и инвестиционный анализ предприятия» www.beintrend.ru в интернете.

Объем и структура диссертационной работы.

Диссертация содержит 172 страницы основного текста, в том числе 15 рисунков, 41 таблицы, 22 приложения, список использованной литературы, включающий 190 наименование.

II. ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Во введении обоснована актуальность темы диссертационного исследования, сформулированы его цели и задачи, объект и предмет исследования, определена теоретическая, методическая и информационная база, дана характеристика научной новизны и практическое значение полученных результатов исследования.

В первой главе « Теоретические и методические подходы к определению и оценке инвестиционной привлекательности промышленного предприятия» проведен анализ и даны определения экономических понятий «инвестиции» «инвестиционная привлекательность» «кредитный рейтинг», «рейтинговая идентификация». Установлена их теоретическая и фактическая взаимообусловленность.

В научном сообществе не сложилось единого подхода к оценке инвестиционной привлекательности промышленных предприятий. Широко

распространён подход, который рассматривает инвестиционную привлекательность как инвестиционное свойство существующего предприятия с позиции внутреннего потенциала и перспектив развития.

Часто исследователи делают акцент на рассмотрении отдельных аспектов процесса инвестирования — на его результативности, эффективности, направленности, которые определяются ими как инвестиционная привлекательность. Многие авторы определяют инвестиционную привлекательность предприятия, как процесс удовлетворения различных инвестиционных целей для различных типов инвесторов. Так, для финансовых инвесторов (кредиторов) важна, кредитоспособность -возможность предприятия погашать во время и в полном объеме свои обязательства. Стратегические инвесторы делают акцент на управление предприятием, и связывают инвестиционную привлекательность с ростом стоимости капитала предприятия. Институциональные инвесторы при выборе объекта инвестирования используют критерии доходности при приемлемом уровне риска.

Методы оценки инвестиционной привлекательности условно можно разделить на следующие виды: рыночные, факторные, рейтинговые, стоимостные, бухгалтерские.

Анализ показал, что точность понимания такого сложного экономического понятия «инвестиционная привлекательность» возможна только при комплексном рассмотрении с точки зрения типа инвестора, его ожиданий, целей вложения по отношению к объекту инвестирования -промышленному предприятию. В исследовании уточнено понимание «инвестиций» и «инвестиционной привлекательности» с точки зрения институциональных инвесторов, размещающих свой капитал на основании кредитных рейтингов.

Под «инвестиционной привлекательностью» предприятия мы будем понимать конкурентные преимущества предприятия по уровню дохода и стабильности при минимально допустимом уровне риска банкротства, значения которых удовлетворяют интересам инвестора по сравнению с другими возможностями размещения его капитала.

Рейтинги представляют собой - публичные интегральные оценки рейтинговых агентств и других организаций, определяющие положение (ранг) предприятий относительно друг друга по различным основаниям. Анализ показывает, что рейтинги могут быть построены как на количественных, так и на качественных характеристиках и показателях деятельности предприятия.

Для данного исследования особый интерес представляет кредитный рейтинг, который стал фактически и юридически необходимым условием и неотъемлемой частью инвестиционного процесса на финансовых рынках.

В исследовании принято понимание, что «кредитный рейтинг» выступает как публичный информационно-экономический показатель, системно характеризующий предприятие с позиции риска банкротства, доходности, стабильности, который показывает уровень инвестиционной

привлекательности предприятия по рейтинговой шкале. Чем выше кредитный рейтинг предприятия, тем выше уровень его инвестиционной привлекательности. Рейтинговые стандарты оценки предприятия являются сегодня необходимым условием для успешного привлечения инвестиций на российских и западных финансовых рынках.

В работе определено, что «рейтинговая идентификация» предприятия выступает как комплексная система раскрытия объективной информации о состоянии финансово-хозяйственной деятельности предприятия, как методика точного позиционирования предприятия на финансовом рынке заемного капитала по западным стандартам уровня кредитоспособности и инвестиционной привлекательности.

Методика «рейтинговой идентификации» предусматривает возможность множественной оценки предприятия по нескольким рейтинговым шкалам, в том числе, по шкалам международных и российских рейтинговых агентств.

Во второй главе «Разработка методики рейтинговой идентификации уровня инвестиционной привлекательности промышленных предприятий» дан анализ существующих методик и рейтинговых подходов оценки уровня инвестиционной привлекательности для разных типов инвесторов, сложившихся в зарубежной и отечественной экономической науке и практике. Определены и разработаны требования к авторской методике рейтинговой идентификации предприятия.

Основные методы расчета кредитных рейтингов предприятий можно разделить условно на три группы: количественные, экспертные и комбинированные. В свою очередь количественные методы делятся на две подгруппы - это классические методы оценки близости предприятий к банкротству и методы оценки близости предприятия к эталонному состоянию.

К первой подгруппе относятся широко распространение в России модели дискриминантного типа, предусматривающие деление предприятий на два класса банкрот/небанкрот: модели Э. Альтмана, У. Бивера, Р. Таффлера, Зайцевой О.П., Сайфулина P.C., Кадыкова Г.Г. и других. Модели определяют расстояние предприятия до дефолта, т.е. степень риска банкротства предприятия и соответственно, чем меньше риск банкротства, тем выше уровень инвестиционной привлекательности предприятия.

Вторую подгруппу составляют модели, определяющие близость показателей исследуемого предприятия к показателям одного или нескольких эталонных предприятий, т.е. максимально привлекательных предприятий: модели Шеремета А.Д., Пястолова С.М., Разумова И.В. и других.

Экспертные методы оценивают уровень инвестиционной привлекательности на основе мнений аналитиков и экспертов.

В моделях комбинированного типа предполагается учитывать не только финансово-экономические показатели, но также и слабо формализуемые факторы, влияющие на финансовое состояние, такие как показатели: социальной, технической сферы, репутации предприятия, его имидж, квалификация кадров предприятия и другие качественные характеристики. По

нашему мнению, учет данных факторов важен, но их интерпретация не однозначна и объективно оценить их влияние невозможно, поэтому итоговая оценка по данным моделям носит вероятностный, субъективный характер.

Итоговая оценка или рейтинг инвестиционной привлекательности не сопоставлена с другими рейтинговыми шкалами или другими признанными инвесторами эталонами. Их ценность и объективность определяется каждым типом инвестора самостоятельно.

Комбинированные методики используются отечественными и международными рейтинговых агентств (Fitch, Moody's, Standard&Poor's, НРА, Эксперт РА, АК&М и др.).

Анализ коммерческих методик рейтинговых агентств показал, что методики основаны на большом практическом опыте рейтингования, в них используются разнообразные методы расчета кредитных рейтингов на основе значимых финансово-экономических количественных и качественных показателей предприятия. Состав и алгоритм построения методик носит закрытый характер, поэтому представляется возможным сравнить только итоговые публичные значения рейтингов конкретного предприятия. В исследовании принято понимание, что «кредитный рейтинг» выступает как публичный информационно-экономический показатель, системно характеризующий предприятие с позиции риска банкротства, доходности, стабильности, который показывает уровень инвестиционной привлекательности предприятия по рейтинговой шкале. Чем выше кредитный рейтинг предприятия, тем выше уровень его инвестиционной привлекательности. Установлено, что кредитный рейтинг является эталоном для институционального типа инвестора в принятии инвестиционных решений, так как обладает свойствами достоверности, своевременности, информативности, однозначности и сопоставимости.

Разработка комплексной методики рейтинговой идентификации связана с потребностью быстрой адаптации и использования западных методик и стандартов рейтингового подхода, необходимостью преодоления их закрытости, т.е. с потребностью создания эффективного инструмента оценки инвестиционной привлекательности и риска банкротства в форме виртуальных кредитных рейтингов. Комплексная методика состоит из трех блоков, которые связанны между собой последовательными связями: информационный блок, аналитический блок и блок оценки и управления (рисунок 1).

В рамках информационного блока формируются две основных базы: 180 предприятий с рейтингом международных агентств: Fitch, Moody's, Standard&Poor's; 127 предприятий рейтингом отечественного Национального Рейтингового Агентства (НРА) и 20 предприятий банкротов. Для каждого предприятия формируется база годовых балансов за последние 10 лет, которые при помощи авторской программы QFinAnalysis 2 пересчитываются в статистическую базу по 43 финансово-экономическим коэффициентам.

Выбор эталонной рейтинговой оценки уровня инвестиционной привлекательности. Выбор источника информации

Импорт из системы СПАРК годовых отчет ноете и

по 180 предприятий за 2001-2011 года с международным кредитным рейтингом агентств: Fitch, Moody's и Standard&Poor's

Импорт из системы СПАРК годовых отчетности

127 предприятий за 2005-2011 года с отечественным кредитным рейтингом агентства НРА (Национальное Рейтинговое Агентство)

Выбор и расчет коэффициентов, влияющих на уровень ИП

Коэффициенты Коэффициенты Коэффициенты Коэффициенты

рентабел ьности оборач иваемости финансовой ликвидности (6)

(10) <П) устойчивости (14)

Формирование информационных баз данных по коэффициентам предприятий с кредитным рейтингом

-¿_и =

Форматирование информационных баз данных

Удаление

пропущенных данных

Удаление аномальных значений коэффициентов

Исключение предприятий без аудиторской проверки

Выбор метода и инструмента моделирования рейтинга

Проведение пошагового дискр иминатного анализа в STATISTICA 6 Построение нейронных сетей различных типов и архитектуры с помощью NeuroShell 2, PolyAnalyst и STATISTICA 6 «Нейросеть»

Оненкя кячегтдя мппепей ДИПТЛГЯПЬНЫ* КТ*»ЛИТНЫУ ПРЙТИНГОИ

Получение аналитической модели виртуального кредитного

-I L

Получение нейросетевой модели виртуального кредитного рейтинга

Расчет 43 финансовых коэффициентов в программе ОРтАпа!}^ 2 для выбранного предприятия АКК

Использование моделей виртуальных кредитных рейтингов для оценки уровня инвестиционной привлекательности предприятия по различным шкалам

-г

Построение рейтингового профиля по средним значениям коэффициентов по каждому рейтинговому классу

Разработка плановых заданий менеджменту предприятия на тактическом и операционном уровне управления

*Анализ изменения 43 финансово-экономических коэффициентов; Анализ аномальных значений коэффициентов

'Оценка предприятий АКК и ранжирование; 'Создание индекса уровня инвестиционной привлекательности для выбранных предприятий АКК и проведение сопоставительного анализа; "Оценка тенденции изменения виртуальных кредитных рейтингов;

'Оценка стоимости капитала для различных классов рейтинга;

'Диагностика предприятий банкротов АКК;

'Оценка экономического эффекта от получения реального

кредитного рейтинга;

Рис.1. Методика рейтинговой идентификации промышленного предприятия на

основе моделей виртуальных кредитных рейтингов. 13

Основной целью аналитического блока является обоснование принципов расчета и построения дискриминантных и нейросетевых моделей виртуальных кредитных рейтингов на основе сформированных информационных баз данных. Определение прогностических возможностей полученных моделей.

Управленческий блок предусматривает разработку направлений использования моделей виртуальных кредитных рейтингов в качестве инструмента управления процессом повышения уровня инвестиционной привлекательности (снижения уровня риска банкротства).

В третьей главе «Рейтинговая идентификация промышленных предприятий как инструмент управления уровнем их инвестиционной привлекательности» создаются модели виртуального кредитного рейтинга и рассматриваются направления его использования.

Для получения модели использовался дискриминантный анализ, реализованный в пакете 8ТАТ18Т1СА 6. Полученные 6-ти факторные модели виртуальных кредитных рейтингов представлены в таблице 1.

Таблица 1

Модели виртуальных кредитных рейтингов_

По международной шкале По отечественной шкале

М-»ш = -7,6 + 0,8'К1 + 2,ЗК2 + 4,6 К3 +8,9 К4 + 0,06 • КЧ + 0,16 ■ КЛ; М-Онра = -62+ 0,1-К! + 0,01- + 0,34- К3 + 0,07 ■ К4 + 0,13 ■ Кц + 0,07 ■ КЛ;

М-Орм$ - значение дискриминирующей константы по модели; К[- коэффициент соотношения мобильных и иммобилизованных активов; К2 - коэффициент рентабельности активов; Кз - коэффициент реальной стоимости имущества; К4 - коэффициент автономии; К5 - коэффициент оборачиваемости запасов затрат активов; Кб - коэффициент текущей ликвидности. М-Энра - значения дискриминирующей константы по модели; К[ - коэффициент оборачиваемости кредиторской задолженности; Кг - коэффициент самофинансирования; Кз - коэффициент валовой рентабельности; К4 - коэффициент оборачиваемости дебиторской задолженности; К5 - коэффициент абсолютной ликвидности; Кб - коэффициент соотношения мобильных и иммобилизованных активов.

Статистика моделей

Совпадение с рейтинговой оценкой (Я"): 61%; X -Уилкинсона =0,38; Критерий Фишера (И) =13,25. Отклонение не более чем на один класс: 5%. Совпадение с рейтинговой оценкой (Я2): 92,1%; X -Уилкинсона =0,15; Критерий Фишера (Р) =46,69; Отклонение не более чем на один класс: 2%

Оценка уровня инвестиционной привлекательности по разработанным моделям проводится с помощью таблиц 2 и 3.

Таблица 2

Интервалы изменения дискриминирующей константы модели виртуального _кредитного рейтинга по международной шкале_

Константа дискриминации (M-Dfms) Уровень инвестиционной привлекательности предприятия. Рейтинг Лингвистическая переменная

Больше 6,2 ВВВ Инвестиционный класс

4,1 до 6,2 ВВ Верхний спекулятивный класс

1,08 до 4,1 В Нижний спекулятивный класс

-2,5 до 1,08 ССС Класс аутсайдеров

Меньше -2,5 СС Банкроты

Таблица 3

Интервалы изменения дискриминирующей константы модели виртуального _кредитного рейтинга по отечественной шкале_

Константа дискриминации (M-Dhpa) Уровень инвестиционной привлекательности предприятия. Рейтинг Лингвистическая переменная

Больше -54,05 АА Инвестиционный класс

-54,05 до -58,4 А Спекулятивный класс

Меньше -58,4 ВВВ Класс аутсайдеров

Дискриминантные модели: M-Dfms и M-Dhpa позволяют классифицировать предприятия по международной и отечественным рейтинговым шкалам. Определено, что дальнейшее повышением точности моделирования и качества построения модели виртуального кредитного рейтинга возможно при помощи использования аппарата искусственных нейронных сетей.

Разработка и тестирование нейросетевой модели проводилась с помощью программ: STATISTICA6 Neural Network, NeuroShell 2 и PolyAnalyst. Расчеты финансово-экономических коэффициентов по моделям M-Dfms, M-Dhpa проводились в разработанной автором программе QFinAnalysis 2, реализованной в среде MS Excel. Построены нейросетевые модели M-NSfms и M-NShpa, которые с 80-90% прогнозной точностью определяют рейтинговый класс. Данные модели построены с использованием 33 финансово-экономических коэффициентов и имеют числовую шкалу представления. Практическое использование методики и виртуальных моделей проводилось для 27 предприятий авиационно-космического комплекса (АКК), выбранных по коду ОКВЭД 35.3.

Множественное параллельное позиционирование предприятия на нескольких рейтинговых шкалах позволит менеджменту предприятия выбрать оптимальную схему и условия привлечения инвестиций на зарубежном или российском финансовых рынках. Инвестор же может определить коэффициенты совместимости рейтинговых шкал, адаптировать восприятие и повысить доверие к рейтингам российских рейтинговых агентств.

В таблице 4 представлена выборка по пяти предприятиям. И для них рассчитаны финансово-экономические коэффициенты, определенные в дискриминантной модели М-0РМ5: коэффициент соотношения мобильных и иммобилизованных активов (Кг), коэффициент рентабельности активов (К2), коэффициент реальной стоимости имущества (К3), коэффициент автономии (К4), коэффициент оборачиваемости запасов затрат активов (К5), коэффициент текущей ликвидности (К6). Определен рейтинговый класс по модели М-ЦрМ5.

Таблица 4

Расчетные значения финансово-экономических коэффициентов предприятий за 2010 год и рейтинговый класс по модели_

Предприятия Коэффициенты финансово-хозяйственной деятельности Класс по модели М-Опда

К, к2 к, Кд к5

ОАО Протон-ПМ 1,24 0 0,75 0,42 6,24 1,07 ссс

ОАО АК Рубин 2,48 0,13 0,54 0,48 4,93 1,4 в

ОАО Смоленский авиационный завод 2,33 0,03 0,75 0,31 7,42 1,02 в

ОАО Казанский авиационный завод 9,55 0,13 0,3 0,27 4,54 1,45 в

ОАО Росвертол 4,12 0,08 0,55 0,32 3,61 1,99 в

У ОАО «Казанский авиационный завод» максимальные значения принимают коэффициенты соотношения мобильных и иммобилизованных активов и коэффициент рентабельности активов. Коэффициент реальной стоимости имущества максимален для ОАО «Смоленский авиационный завод». Коэффициент оборачиваемости запасов и затрат активов наибольший для ОАО «Смоленский авиационный завод». Коэффициент текущей ликвидности наилучший у ОАО «Росвертол». На основе дискриминантной модели были получены значения классов инвестиционной привлекательности для выбранных пяти предприятий, представленные в таблице 5.

Таблица 5

Динамика виртуального кредитного рейтинга уровня инвестиционной

привлекательности предприятий с 2005 по 2010 год

Предприятия Класс инвестиционной привлекательности по дискриминантной модели

2005 2006 2007 2008 2009 2010

ОАО Протон-ПМ В В в В В ССС

ОАО АК Рубин В ВВ в В В в

ОАО Смоленский авиационный завод ССС в в СС СС в

ОАО Казанский авиационный завод В в в В В в

ОАО Росвертол В в в В в в

Максимальным рейтингом «ВВ» обладал ОАО «АК Рубин» в 2006 году, на протяжении пяти лет он предприятие имело устойчивый рейтинг на уровне «В», то есть данное предприятие обладало максимальным уровнем инвестиционной привлекательности по группе. Минимальное значение рейтинга «СС» по модели было у ОАО «Смоленский авиационный завод» в 2008-2009 году. Предприятие находилось в предбанкротном состоянии.

Менеджмент должен разработать программу антикризисных мер. В таблице 6 представлена комплексная рейтинговая идентификация по четырем моделям.

Таблица 6

Рейтинговая идентификация предприятий по четырем моделям виртуальных кредитных рейтингов, определяющих уровень инвестиционной

Предприятия Модели оценки уровня инвестиционной привлекательности

М-Огик М-Жрик М-Онра М-^нра

ОАО Протон-ПМ ССС 35,65 вв 40,21

ОАО АК Рубин в 47,61 А 41,81

ОАО Смоленский авиационный завод в 34,93 А 40,02

ОАО Казанский авиационный завод в 43,59 ВВВ 40

ОАО Росвертол в 49,14 ВВВ 40,67

Присвоение виртуального кредитного рейтинга всем предприятиям группы позволяет провести сравнительный анализ. Выделены лидеры по уровню инвестиционной привлекательности для исследуемой группы АКК: ОАО «Росвертол», ОАО «Климов», ОАО «Казанский авиационный завод», ОАО «АК Рубин». Их рейтинг по международной шкале будет иметь значения «ВВ-» и «ВВ». К аутсайдерам исследуемой группы относятся: ОАО «Нарофоминский машиностроительный завод», ОАО «Смоленский авиационный завод», ОАО «ОПЫТНЫЙ ЗАВОД N 31 ГА», рейтинг которых близок к 30, что соответствует классу «СС». Для предприятий этого класса высока вероятность банкротства.

Ранжирование предприятий по уровню инвестиционной привлекательности для группы авиационно-космических 65 00 предприятий за 2009 год

60,00

вв

ссс

СС

55.00 Ц „ _ 50.00 Г*- -

45,00 | 40,00

35,00 4

30,00 И

25,00 | , '

20,00 .».й.и.и и и 53 Ы Ц а 'й Ц М м

1 ^ £

о О х <

ё 3 5 о |о

о о

з о О * * о *

гч V <С I

з а £

£ £ * о

£ 9 « о о

р & 5 < а

СЧ ч г

_ о. а. с. о г

> й- а < « <

^ л о оо

сч гч о

О О < О & <г ^ -а"

5 <3<=02и5

< °

С о

О О <

О ° <

Рис.2. Ранжирование предприятий АКК по уровню инвестиционной привлекательности для институционального инвестора

Это обуславливает необходимость в проведении менеджментом комплекса антикризисных мер и привлечения государственных инвестиций.

Построен индекс «уровня инвестиционной привлекательности» или «риска банкротства» выделенной группы предприятий по международной рейтинговой шкале. Данный индекс рассчитываются как среднеарифметическое значение виртуальных кредитных рейтингов 27 предприятий АКК. Сравнение ВКР каждого предприятия с групповым индексом ИП позволяет проанализировать динамику относительных изменений, их темп, определить изменчивость и устойчивость тенденции за любой период времени. На рисунке 3 представлена динамика изменения уровня инвестиционной привлекательности относительно индекса.

I 55 £

Анализ уровня инвестиционной привлекательности предприятий и группового индекса

"У"

...................-..........................................— v ■ ........................... * .....

....., ■ ' '**"*> -V ..................

2003 2004 2005 2006 2007 2008 2009 2010 2011 »»ОАО Казанский вертолетный завод

■--'ОАО AK Рубин

ОАО ПРОТОН-ПМ "я55яда™ ОАО Росвертол

«ташяк&ИкДекС уровня инвестиционной привлекательности группы

Рис.3. Индекс уровня инвестиционной привлекательности группы из 27 предприятий АКК

Проведена оценка экономического эффекта от управления на рынке заемного капитала. Для этого по 131 отечественному предприятию, имеющему облигационные выпуски, определены виртуальные кредитные рейтинги и выявлены зависимости изменения реальной процентной ставки для предприятий с официальным рейтингом и без рейтинга. Анализ показал, что наличие реального международного рейтинга у предприятия дает возможность привлекать инвестиции под более низкий процент (таблица 7). Экономия может составить от 3,88% до 0,68% в зависимости от рейтингового класса предприятия.

Определено, что значения виртуальных кредитных рейтингов и их рейтинговые коэффициентные профили предприятий выступают в качестве открытого информационно-экономического инструмента планирования и эффективного управления процессом повышения уровня инвестиционной привлекательности предприятия.

Таблица 7

Сравнение процентных ставок по облигациям для предприятий с кредитным рейтингом и без него

Класс кредитного рейтинга /Класс по модели Предприятия с кредитным рейтингом Предприятия без рейтинга Экономический эффект от получения рейтинга Экономический эффект от повышения рейтинга на I класс

Предприятие имеет междун. кред.рейтинг Предприятие не имеет рейтинга

ССС 10,52% 14,40% 3,88% - -

В 9,38% 12,50% 3,12% 1,14% 1,90%

ВВ 7,95% 10,13% 2,18% 1,43% 2,37%

ВВВ 7,62% 8,30% 0,68% 0,33% 1,83%

В работе определены средние, нормативные и пограничные значения 33 коэффициентов рейтингового профиля для разных классов по среднеарифметической международной рейтинговой шкале.

В таблице 8 выборочно представлена оценка текущих коэффициентов рентабельности (фрагмент реального РКП) для предприятия ОАО «ПРОТОН-ПМ» и средних нормативных значений для ближайших рейтинговых классов. Определены направления изменения целевых показателей коэффициентов с точки зрения антикризисных мероприятий при сравнении с классом «СС» и мероприятий связанных с повышением рейтинга — при сравнении с классом «В». Анализ фрагмента РКП показал, что предприятие ОАО «ПРОТОН-ПМ» находится в кризисном состоянии по К-ту рентабельности продаж и К-ту валовой рентабельности. Повышение ВКР и соответственно уровня инвестиционной привлекательности до класса «В» связано со значительными изменениями по всем показателям.

Таблица 8

Определение целевых значений коэффициентов рентабельности по снижению риска банкротства и повышения уровня ИП ОАО «ПРОТОН-ПМ»

(фрагмент)

ОАО Изменен

Протон- Средние Средние ие Изменения

ПМ. значения значени целевых целевых

Коэффициенты Класс РКП по я по показат показателей

«ССС». Текущие классу «В» классу «СС» елей для повыше риска банкротства

значения ния ИП

К-т рентабельности актив 0,001 0,07 -0,03 0,069 -

К-т рентабельности оборотных активов 0,01 0,11 -0,2 0,1 -

К-т рентабельности продаж 0,07 0,1 0,09 0,03 0,02

К-т чистой рентабельности 0,01 0,13 -0,05 0,12 -

К-т валовой рентабельности 0,08 0,26 0,15 0,18 0,07

Прогностические возможности модели ВКР и его коэффициентного профиля позволяют за 2-3 года до банкротства выявить динамику кризисных изменений по 33 основным финансовым коэффициентам и своевременно разработать комплекс антикризисных мер.

Разработанные модели виртуальных кредитных рейтингов позволяют проводить менеджментом антикризисные мероприятия по улучшению финансового состояния предприятия. В таблице 9 приводится сравнение разработанной методики управления уровнем инвестиционной привлекательности для институциональных инвесторов и существующей методики рейтинговых агентств.

Таблица 9

Сравнение возможностей использования методики рейтинговых агентств и

разработанной методики рейтинговой идентификации промышленных __ предприятий__

Направлен ие Критерии сравнения Международные методики рейтинговой оценки Разработанная методика рейтинговой идентификации

Оценка Методика оценки уровня инвестиционной привлекательности и банкротства Закрытая Открытая

Признанная инвесторами (кредиторами) оценка уровня риска банкротства и инвестиционной привлекательности по рейтинговой шкале международных и отечественных агентств + 85% соответствие реальному международному рейтингу

+ 94% соответствие реальному отечественному рейтингу

Особенности рейтинговой оценки Буквенное значение оценки Числовое и буквенное значение, точное позиционирование в границах класса

Стоимость проведения оценки Высокая стоимость от I до 5 млн. руб. Свободное распространение и доступность

Итоговая оценка Единичная Множественная

Связь рейтинговой оценки со стоимостью заемного капитала и сроком его привлечения Присутствует Присутствует

Авторитетность рейтинговой оценки (имидж рейтинга) Создает экономический эффект при наличии реального рейтинга Возможность оценить потребность получения реального рейтинга и экономический эффект

Использование методики Отсутствует из-за Связь между уровнем

для планирования закрытости факторов, инвестиционной

мероприятий по описывающих привлекательности и

повышению уровня уровень финансово-

инвестиционной инвестиционной экономическими

привлекательности привлекательности коэффициентами. Создание

(U предприятия и выхода из плановых заданий с

Я tu состояния банкротства помощью рейтингового

m ез О. С профиля

Возможность для Ограничена из-за: Свободное использование

> проведения сравнительного наличия большого методики для любого

анализа множества числа качественных предприятия, группы

предприятий, группы факторов; закрытость предприятий, отрасли.

предприятий, отраслей по методики Создание индекса уровня

уровню инвестиционной инвестиционной

привлекательности и привлекательности для

банкротства группы предприятий

Возможность проведения Запаздывание и Оперативное отслеживание

= мониторинга уровня длительный период изменений уровня инвест.

О. о н инвестиционной между обновлениями привлекательности и

£ X привлекательности динамики 33

о 2 (банкротства) и ее коэффициентов. Целевое

ключевых факторов планирование уровней

Пассивное Для предварительного

Возможность позиционирования позиционирования и

использования и предприятия на активного управления

распространения методик: финансовом рынке. Ограниченное распространение уровнем инвестиционной привлекательности, диагностики риска банкротства предприятия. Массовое распространение

III. ОСНОВНЫЕ ВЫВОДЫ И РЕКОМЕНДАЦИИ

1. Проведен анализ существующих определений и даны авторские определения понятий «инвестиционная привлекательность», «кредитный рейтинг», «рейтинговая идентификация». Установлено, что рейтинговое представление формирует публичное целостное понимание предприятия с точки зрения уровня риска банкротства и инвестиционной привлекательности по рейтинговым шкалам значимое для институционального инвестора.

2. Рассмотрены направления развития рейтингового подхода к оценке объектов инвестирования. Определено, что кредитный рейтинг выступает как показатель информационно достаточный при инвестировании. Выявлены возможности повысить практическую значимость публичного кредитного рейтинга как инструмента эффективного взаимодействия институциональных инвесторов и менеджмента предприятия за счет построения виртуального кредитного рейтинга, представленного через открытую систему значимых финансово-экономических показателей предприятия, т.е. создать новый

доступный для менеджмента инструмент активизации инвестиционной политики предприятия.

3. В работе обоснована необходимость построения комплексной методики рейтинговой идентификации, определены общие принципы, этапы и методы ее построения. Использование методики позволяют точно позиционировать предприятие на рынке заемного капитала через определение одного или нескольких виртуальных кредитных рейтингов, которые могут быть использованы как эффективный открытый инструмент управления и целевого планирования уровня инвестиционной привлекательности предприятия.

4. Обоснована возможность использования публичных рейтингов 180 российских предприятий, присвоенных агентствами Fitch, Moody's, Standard&Poor's и рейтингов 127 предприятий, присвоенных отечественным Национальным рейтинговым агентством в качестве авторитетных экспертных оценок при построении моделей виртуального кредитного рейтинга.

5. На основе данных годовых отчетов за период с 2001 по 2011 годы отечественных предприятий с международными и отечественным кредитным рейтингом были рассчитаны и сформированы статистические базы по 43 значимым коэффициентам. Были разработаны дискриминантные модели виртуальных кредитных рейтингов, определяющие с 60-90% точностью рейтинг предприятия. В работе установлено, что целесообразно использовать нейросетевые методы построения ВКР, которые позволяют учесть внутренние нелинейные закономерности между самими коэффициентами и значительно повысить до 80-95% точность соответствия виртуального реальному рейтингу. Для практического использования методики разработан модуль в авторской программе QFinAnalysis 2 для расчета ВКР предприятия по дискриминантным моделям.

6. Дискриминантные и нейросетевые модели виртуального кредитного рейтинга могут быть использованы как методы экспресс-диагностики уровней риска банкротства и инвестиционной привлекательности по международной и отечественной рейтинговой шкале. Обосновано, что виртуальный кредитный рейтинг предприятия и его открытый 6 или 33 коэффициентный профиль, выступает целевым ориентиром для организации работы менеджмента по повышению уровня инвестиционной привлекательности.

7. Выполнена рейтинговая идентификация 27 промышленных предприятий авиационно-космической отрасли за 2001-2011 гг. Определены их виртуальные кредитные рейтинги по международной рейтинговой шкале и составлены их рейтинговые коэффициентные профили по 33 финансово-экономическим показателям. Показаны принципы использования методики рейтинговой идентификации как инструмента повышения уровня инвестиционной привлекательности. Приведено сравнение результатов ВКР предприятий по международной и российской рейтинговой шкале. Показаны прогностические возможности модели ВКР, которые позволяют за 2-3 года до банкротства предприятия выявить динамику кризисных изменений по 33 основным финансовым коэффициентам. Определены средние и пограничные

значения коэффициентов для спекулятивного и инвестиционного класса по международной рейтинговой шкале. Методика РИ предприятий может выступать как новая форма контроллинга для обеспечения устойчивого финансово-экономического развития предприятия, как инструмент целевого планирования и оптимизации процесса привлечения инвестиций. На основе ВКР рассчитан индекс уровня инвестиционной привлекательности выделенной группы предприятий за несколько лет. Определены перспективы использования ВКР как инструмента диагностики потребности рефинансирования, снижения долговой нагрузки по ранее привлеченным инвестициям .

IV. АВТОРСКИЕ ПУБЛИКАЦИИ ПО ТЕМАТИКЕ ДИССЕРТАЦИИ

Статьи в научных изданиях, рекомендованных ВАК РФ:

1. Жданов И.Ю., Афанасьева O.A. Создание имитационной модели международного кредитного рейтинга для промышленных предприятий // Управление экономическими системами: электронный научный журнал. - 2011. №9 (33). - 0,5 п.л.

2. Жданов И.Ю. Управление компанией. Повышение точности стратегического инструмента EVA // Управление экономическими системами: электронный научный журнал. -2011. № 9 (33). — 0,3 пл.

3. Жданов И.Ю. Управление развитием предприятия на основе оптимального взаимодействия со стейкхолдерами // Управление экономическими системами: электронный научный журнал. - 2011. №9 (33). — 0,25 п.л.

4. Жданов И.Ю. Использование рейтинговых имитационных моделей для оценки инвестиционно-кредитной привлекательности российских предприятий // РИСК: Ресурсы, Информация, Снабжение, Конкуренция -теоретическое и научно-практическое аналитическое издание. - 2012 №1. - 0,3 п.л.

5. Жданов И.Ю. Повышение инвестиционной привлекательности авиационных предприятий с использованием кредитного рейтинга // Труды МАИ, 57 вып. 2012 г. - 0,6 п.л.

Материалы статей и научных конференций:

6. Жданов И.Ю. Эволюция портфельной теории // Сборник аспирантов кафедры № 504.-2010. - 0,3 п.л.

7. Жданов И.Ю. Коэффициенты оценки инвестиционной привлекательности // Научно практическая конференция молодых ученых и студентов-2010.-0,1 пл.

8. Жданов И.Ю., Афанасьева O.A. Хеджирование инвестиционного портфеля предприятия с помощью синтетических финансовых инструментов. // Материалы международной конференции «Авиация и космонавтика» - 20100,1 пл.

9. Жданов И.Ю. Влияния международного кредитного рейтинга на стоимость заемного капитала промышленных предприятий // Материалы международной конференции «Авиация и космонавтика» — 2011» - 2011. — 0,1 пл.

10. Жданов И.Ю. Влияние международного кредитного рейтинга на стратегию развития промышленного предприятия // Материалы научно-экономической конференции им. Академика П.П. Маслова. - 2011- 0,1 пл.

11. Жданов И.Ю. Создание механизма оценки инвестиционной привлекательности российских промышленных предприятий // Материалы конференции «С.А. Саркисян и развитие факультета. Экономика и менеджмент инноваций в создании АПК. - 2011. - 0,1 пл.

12. Жданов И.Ю. Создание рейтинговой модели оценки инвестиционной привлекательности промышленных предприятий на основе нейросетевого моделирования // Материалы международной заочной научно-практической конференции «Теоретические практические аспекты развития современной науки» . - 2012. - 0,1 п.л.

13. Жданов И.Ю. Оценка инвестиционной привлекательности отечественных предприятий для иностранного инвестора // Материалы всероссийской научно-практической заочной конференции «Задачи современной экономики для отечественных предприятий различных отраслей» -2012.-0,1 пл.

14. Жданов И.Ю. Рейтинговая идентификация промышленных предприятий с помощью комитета имитационных моделей кредитных рейтингов // Материалы международной конференции «Инновация в авиации и космонавтике» .-2012. - 0,1 п.л.

Подписано в печать: 28.09.2012 Тираж 100 экз. Заказ №955 Отпечатано в типографии «Реглет» г. Москва, Ленинградский пр-т д.74 (495)790-74-77 www.reglet.ru

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Жданов, Иван Юрьевич

ВВЕДЕНИЕ.

Глава 1. Теоретические и методические подходы к определению и оценке инвестиционной привлекательности промышленного предприятия.

1.1 Анализ научных подходов к определению экономических понятий «инвестиции» и «инвестиционная привлекательность» промышленного предприятия.

1.2. Информационно-экономическая сущность рейтингов и их классификация.

1.3. Кредитный рейтинг как интегральный информационно-экономический показатель риска банкротства и инвестиционной привлекательности предприятия.

1.4. Возможности использования кредитных рейтингов для повышения инвестиционной привлекательности предприятия. Определение рейтинговой идентификации.

Выводы по первой главе.

Глава 2. Разработка методики рейтинговой идентификации промышленных предприятий.

2.1. Анализ методов построения кредитных рейтингов.

2.2. Особенности методов построения кредитных рейтингов предприятий международными и национальными рейтинговыми агентствами.

2.3. Этапы разработки и требования к методике рейтинговой идентификации.

Выводы по второй главе.

Глава 3. Рейтинговая идентификация промышленного предприятия как инструмент управления уровнем их инвестиционной привлекательности

3.1. Разработка и построение моделей виртуальных кредитных рейтингов и рейтингового коэффициентного профиля предприятий.

3.2. Использование методики рейтинговой идентификации предприятий авиационно-космического комплекса.

Выводы по третьей главе.

Диссертация: введение по экономике, на тему "Рейтинговая идентификация промышленных предприятий"

Актуальность темы диссертационного исследования.

Степень разработанности проблемы.

Вопросы теории и практики экономико-математического моделирования отражены в фундаментальных трудах известных западных экономистов - JI. Клейна, Д. Макфаддена, Ф. Модильяни, Д. Тобина, Я. Фриша, Т. Хаавельмо, Дж. Хэкмена и др. В научных работах отечественных экономистов: Айвазяна С.А., Енюкова И.С., Мешалкина Л.Д., Дуброва A.M., Мхитаряна B.C., Трошина А.Н., Елисеевой И.И., Магнуса Я.Р., Катышева П.К., Пересецкого A.A., Носко В.П. и др.

Объектом диссертационного исследования являются отечественные промышленные предприятия.

Цель диссертационного исследования обусловила необходимость решения следующих задач:

Информационную н эмпирическую базу для диссертационного исследования составили официальные данные государственной статистики, материалы научной периодической печати, данные информационно аналитической системы профессионального анализа рынков и компаний -СПАРК. Отчеты по кредитным рейтингам предприятий от международных рейтинговых агентств за 2001-2011 года: Moody's, Standard&Poor's, Fitch, а также отечественных рейтинговых: агентств: Эксперт-РА, НРА (Национальное Рейтинговое Агентство), Рус-рейтинга и АК&М. Статистические данные о показателях развития российских промышленных предприятий получены из международной статистической базы - UNCTAD и отечественной - Росстат. Информационная база включает в себя данные ежегодных балансов по 180 отечественным предприятиям за период с 2001 по 2011 года с международным рейтингом, 127 предприятий с рейтингом НРА (Национальное Рейтинговое Агентство), 131 предприятие, разместившее облигационные займы на отечественном фондовом рынке ММВБ, 27 успешных и 20 предприятий банкротов авиационно-космического комплекса.

Основные методы исследования. В работе принят комплексный подход с использованием методов системного, корреляционного, 7 кластерного анализа, математико-статистических методов обработки данных и современных методов нейросетевого моделирования. Статистические расчеты по построению дискриминантных моделей выполнены с помощью программы STATISTICA 6. Разработка и тестирование модуля нейронных сетей проводилась с помощью программ: STATISTICA 6 Neural Network, NeuroShell 2 и PolyAnalyst. Расчеты финансово-экономических коэффициентов проводились в разработанной автором программе QFinAnalysis 2, реализованной в среде MS Excel.

Область диссертационного исследования соответствует требованиям паспорта специальностей ВАК 08.00.05 «Экономика и управление народным хозяйством» (экономика, организация и управление предприятием, отраслями, комплексами - промышленность): п. 1.1.1, п. 1.1.4, п.1.1.13, п.1.1.21.

В рамках диссертационного исследования получены и выносятся на защиту следующие научные результаты:

• Показана возможность эффективного использования нейронных сетей в создании рейтинговых моделей;

• Проведена оценка экономического эффекта использования рейтинга;

7. Выявлена зависимость между значением виртуального кредитного рейтинга и стоимостью заемного капитала.

10 менеджментом уровнем инвестиционной привлекательности своего предприятия. Полученные результаты могут служить теоретической и методической базой для дальнейших исследований в области управления уровнем инвестиционной привлекательности предприятия на основе рейтинговых оценок международных и отечественных агентств и их имитационных моделей.

Практическая значимость исследования.

• методика РИ изложена в виде формул, которые могут быть практически использованы менеджментом и собственниками предприятий для управления уровнем инвестиционной привлекательности, а также различными типами инвесторов - для оценки привлекательности предприятий, государственными органами - для мониторинга промышленных предприятий и отраслей;

• результаты и выводы могут быть использованы высшими научными заведениями в курсах лекций, семинаров и практических занятий: «Стратегическое управление предприятием», «Стратегические финансы», «Финансовый и инвестиционный менеджмент» и других.

Апробация и реализация результатов исследования.

- в учебном процессе на кафедрах «Экономическая информатика» «Московского авиационного института (НИУ)» по курсу «Анализ и диагностика финансово-хозяйственной деятельности предприятий», «Интеллектуальные системы»; в практике работы Правительства Свердловской области Министерства экономики Свердловской области для экспресс-диагностики уровней риска банкротства и инвестиционной привлекательности предприятий Уральского промышленного региона.

Ряд материалов и статей по теме диссертации размещен на авторском сайте: «Финансовый и инвестиционный анализ предприятия» www.beintrend.ru в интернете.

Объем и структура диссертационной работы.

Диссертация: заключение по теме "Экономика и управление народным хозяйством: теория управления экономическими системами; макроэкономика; экономика, организация и управление предприятиями, отраслями, комплексами; управление инновациями; региональная экономика; логистика; экономика труда", Жданов, Иван Юрьевич

Выводы по третьей главе

1) Показана возможность объединения информационной базы по трем рейтингам: Fitch, Mood's Standard&Poor's в единую, вследствие высокой коррелированности их оценок между собой.

2) Сформированы с помощью дискриминантного анализа шестифакторные модели виртуального кредитного рейтинга для оценки уровня инвестиционной привлекательности, связывающие международный и отечественный кредитный рейтинг предприятия и его финансово-экономические коэффициенты.

3) Показаны преимущества использования нейронных сетей перед классическими методами моделирования. Разработаны в программе PolyAnalyst модули и модели виртуального кредитного рейтинга по отечественной и международным рейтинговым шкалам для числовой оценки уровня инвестиционной привлекательности. Решена проблема точного сравнения предприятий имеющих один рейтинговый класс.

4) Проведена апробация разработанной методики и модели виртуального кредитного рейтинга на примере 27 предприятий авиационно-космического комплекса (код ОКВЭД 35.3). Рассчитаны основные финансово-экономические показатели для каждого предприятия и определен их буквенный рейтинговый класс по дискриминантной модели. Рассчитано числовое значение виртуального кредитного рейтинга по нейросетевой модели. Проведено ранжирование предприятий по значению виртуального кредитного рейтинга и выделены предприятия аутсайдеры и лидеры данной группы. Предложен индекс инвестиционной привлекательности, как среденевзвешенная сумма значений частных виртуальных кредитных рейтингов предприятий группы и оценена его динамика и характер изменения.

5) Разработанный рейтинговый коэффициентный профиль предприятия позволяет оперативно отслеживать и оценивать динамику изменения основных показателей соответствующего виртуального кредитного рейтинга по сравнению с их среднеклассовыми числовыми значениями по международной рейтинговой шкале, оперативно реагировать на снижение того или иного финансово-экономического коэффициента, влияющего на изменения уровня инвестиционной привлекательности. Результаты сравнительного анализа позволяют менеджменту разработать необходимые мероприятия, направленные на повышение уровня инвестиционной привлекательности, или на снижение риска банкротства.

6) Проведена оценка стоимости заемного капитала в зависимости от класса инвестиционной привлекательности. Показан и рассчитан экономический эффект от снижения издержек по привлечению заемного капитала в связи с повышением виртуального кредитного рейтинга. С помощью разработанной модели виртуального кредитного рейтинга рассчитан эффект снижения стоимости заемного капитала в зависимости от получения международного кредитного рейтинга для отечественных предприятий.

7) Показана универсальность и прогностические возможности разработанных моделей виртуального кредитного рейтинга для диагностики риска банкротства и разработки мероприятий по финансовому оздоровлению предприятий банкротов авиационно-космического комплекса.

ЗАКЛЮЧЕНИЕ

Результаты выполненного диссертационного исследования содержат теоретико-методические и научно-практические результаты построения комплексной методики рейтинговой идентификации предприятия как системы методов, моделей рейтингов и инструментов, позволяющих диагностировать, планировать и управлять процессом повышения уровня инвестиционной привлекательности предприятий.

В соответствии с поставленной целью исследования последовательно решены следующие основные задачи:

1. Показано, что интенсивный инновационный путь развития российской экономики возможен только через привлечения значительных западных инвестиций в структурную и технологическую модернизацию отечественных предприятий. Проблема привлечения инвестиций в авиационно-космическую отрасль связана с исторической российской проблемой информационной обособленности, закрытости и разных принципов финансирования производства. В новых рыночных условиях предприятие само должно находить источники финансирования. Это требует проведения более активной и эффективной инвестиционной политики менеджментом предприятия. Повышение конкуренции предприятий за инвестиционные ресурсы ужесточает требования инвесторов к предприятиям. В современных условиях хозяйствования менеджмент должен понимать принципы, критерии и значимые финансово-экономические показатели, определяющие достоверность оценки уровня инвестиционной привлекательности своего предприятия с точки зрения различных зарубежных и отечественных типов инвесторов.

2. Исследованы существующие теоретические и практические подходы к оценке инвестиционной привлекательности предприятий. Определено, что существующие рейтинги выступают информационным инструментом взаимодействия менеджмента предприятия с инвесторами и кредиторами. Проведен анализ и уточнено определение экономических понятий: «инвестиционная привлекательность», «кредитный рейтинг», «рейтинговая идентификация» по отношению к предприятию. Выявлена их теоретическая и фактическая взаимообусловленность. Обосновано понимание того, что «кредитный рейтинг» выступает как публичный, комплексный информационно-экономический показатель уровня риска банкротства, финансовой устойчивости и уровня инвестиционной привлекательности предприятия по рейтинговой шкале. Для институционального инвестора кредитный рейтинг стал необходимым условием и неотъемлемой частью инвестиционного процесса.

Инвестиционная привлекательность» выступает как основное свойство кредитного рейтинга. Чем выше рейтинг, тем выше уровень инвестиционной привлекательности предприятия по рейтинговой шкале.

В исследовании показано, что «рейтинговая идентификация» предприятия выступает как процесс представления объективной информации о состоянии финансово-хозяйственной деятельности предприятия, как система методов определения его виртуальных кредитных рейтингов предприятия по международной и отечественной рейтинговой шкале.

Рейтинговая идентификация позволяет точно позиционировать предприятие на финансовом рынке заемного капитала по западным стандартам уровней риска банкротства, кредитоспособности и инвестиционной привлекательности.

3. Определено, что публичные международные кредитные рейтинги, полученные отечественными предприятиями за последние десять лет ведущими мировыми рейтинговыми агентствами: Fitch, Moody's, Standard&Poor's могут быть взяты за основу как максимально объективные экспертные оценки для создания моделей оценки уровня инвестиционной привлекательности, так как они обладают: достоверностью, информативностью, сопоставимостью, однозначностью и своевременностью.

4. Дана классификация существующих методов расчета кредитного рейтинга. Выявлены их основные преимущества и недостатки и определены основные группы, среди которых: количественные, экспертные и комбинированные методы. Анализ показал, что существующие количественные методы построения итоговой рейтинговой оценки включают малое количество факторов, построены по отчетностям западных предприятий, имеют узкую шкалу классификации, что дает только общее представление об уровне инвестиционной привлекательности. Сложность использования экспертных методов заключаются в субъективной оценке весовых коэффициентов в моделях. В количественных и экспертных методах отсутствует связь между рейтинговой оценкой и конкретными решениями инвесторов по отношению к предприятию. В исследовании определены преимущества комплексных методов оценки уровня инвестиционной привлекательности и выделены международные кредитные рейтинги как информационно достаточные оценки при принятии решений об инвестировании для институционального типа инвесторов. Показаны ограничения использования методик международных и отечественных рейтинговых агентств: высокая стоимость получения оценки, закрытость методики, длительный период пересмотра оценки, неспособность использования кредитного рейтинга менеджментом предприятия для коэффициентного планирования и разработке управленческих мероприятий по повышению уровня инвестиционной привлекательности.

5. Была обоснована необходимость разработки новой комплексной методики рейтинговой идентификации предприятия, как многоуровневой системы повышения инвестиционной привлекательности отечественных предприятий. Определены общие принципы и этапы построения методики рейтинговой идентификации, состав ее основных структурных блоков, инструментов и методов построения виртуального кредитного рейтинга.

Показано, что рейтинговые оценки трех ведущих международных рейтинговых агентств: Fitch, Moody's и Standard&Poor's имеют сопоставимые рейтинговые шкалы и близкие оценки по отечественным предприятиям. Степень корреляции между оценками достигает 84-88%. Это позволяет сформировать общую информационную базу по 180 отечественным предприятиям для построения моделей виртуальных кредитных рейтингов.

Определены требования и состав групп показателей для составления виртуального кредитного рейтинга. В авторской программе рр1пАпа1уз1з 2 рассчитаны 43 основных финансово-экономических коэффициента, отражающих основные направления деятельности всех предприятий: коэффициенты рентабельности (10), коэффициенты ликвидности (6), коэффициенты финансовой устойчивости (14), коэффициенты оборачиваемости (13).

Так как, коэффициенты, представленные в модели виртуального кредитного рейтинга и ее коэффициентный профиль, строятся на основе публичной бухгалтерской отчетности, и представляют собой отношения различных данных строк активов и пассивов, то управленческие решения будут представлять собой управление структурой баланса и значениями активов и пассивов предприятия.

Обосновано, что виртуальный кредитный рейтинг и, выделенные в модели коэффициенты, могут стать целевыми показателями для менеджмента предприятия в повышении уровня инвестиционной привлекательности.

6. Разработаны многофакторные модели, связывающие международный и отечественный кредитный рейтинг и финансово-экономические показатели предприятий.

Создана информационная база финансово-экономических коэффициентов по 104 отечественным предприятиям за период с 2001 по 2011 года, прошедших аудиторские проверки, с исключением аномальных, пропущенных или искаженных показателей, и имеющих один из трех международных кредитных рейтингов. Для повышения качества моделей и точности ранжирования по всей рейтинговой шкале, в базу данных дополнительно были включены расчетные значения основных финансово-экономических коэффициентов 20 предприятий авиационно-космического комплекса, юридически признанных банкротами.

Аналогичным образом, сформирована вторая информационно-статистическая база по отечественным предприятиям, имеющих отечественный кредитный рейтинг Национального рейтингового агентства -НРА. Статистическую базу составляют значения 43 финансово-экономических показателей за период с 2005 по 2011 года по 127 отечественным предприятиям и соответствующие им отечественные рейтинги.

7. Проанализированы подходы и методы моделирования международных и отечественных кредитных рейтингов промышленных предприятий с использованием классического статистического метода -дискриминантного анализа и с помощью нейронных сетей. Разработанные шестифакторные дискриминантные модели позволяют провести экспресс-диагностику уровня инвестиционной привлекательности, с точностью 61% по международной рейтинговой шкале и 92% по отечественной шкале. В работе установлено, что целесообразно использовать нейросетевые методы построения виртуальных кредитных рейтингов. Модели, построенные на нейронных сетях, позволили: учесть 33 финансово-экономических показателя, снизить зашумленность и искаженность входных данных, отразить внутренние закономерности между самими коэффициентами. Точность определения нейросетевых моделей виртуальных кредитных рейтингов в оценке уровня инвестиционной привлекательности по международной рейтинговой шкале составила 87% и 96% по отечественной.

Такое раскрытие виртуального кредитного рейтинга через систему 33 значимых коэффициентов делает его инструментом целевого планирования и управления, позволяет вести мониторинг и количественно оценить влияние выделенных показателей на изменения самого кредитного рейтинга и уровня инвестиционной привлекательности.

Разработана программа QFinAnalysis 2, которая позволяет оперативно рассчитать по данным баланса (форма №1 и форма №2) 43 финансово-экономических коэффициента для каждого предприятия и определить уровень инвестиционной привлекательности по международной и отечественной рейтинговой шкале на основе дискриминантных моделей. В программе PolyAnalyst разработан проект оптимизации информационных баз, построены и протестированы нейросетевые модели виртуальных кредитных рейтингов по международной и отечественной рейтинговой шкале. Разработаны рейтинговые коэффициентные профили, представляющие среднеклассовые значения по 33-м финансово-экономическим коэффициентам для создания плановых заданий менеджменту предприятия на оперативном уровне управления.

8. Определены уровни инвестиционной привлекательности для 27 предприятий авиационно-космического комплекса, выделенных по коду ОКВЭД 35.3 - «производство летательных и космических аппаратов». Показаны возможные направления использования разработанной методики и моделей рейтинговой идентификации уровня инвестиционной привлекательности.

Предложен индекс уровня инвестиционной привлекательности и проведено ранжированию по убыванию уровня инвестиционной привлекательности данной группы предприятий как методы определения лидеров и аутсайдеров. Выявлена устойчивая, понижающая динамика группового индекса уровня инвестиционной привлекательности с 2003 по 2010 года для тестируемых предприятий.

Разработана рейтинговая шкала соответствия отечественного рейтинга НРА и международных рейтингов. Это снимает информационную неопределенность между рейтинговыми шкалами и позволяет сопоставить предприятия, имеющее отечественные рейтинги с международными рейтингами без высоких издержек получения его.

Выявлена зависимость между виртуальным кредитным рейтингом и стоимостью заемного капитала при облигационной эмиссии. Показано, что переход предприятия в следующий рейтинговый класс (повышение уровня инвестиционной привлекательности) приводит к уменьшению процентной ставки на рынке заемного капитала на 1-1.5%. Это делает модель виртуального кредитного рейтинга инструментом оценки, прогнозирования и управления стоимостью заемного капитала.

Анализ 131 отечественного предприятия с официальным рейтингом и без рейтинга, разместивших облигационные займы на отечественном финансовом рынке показал, что различается стоимость заемного капитала на рынке облигаций для 25 предприятий, имеющих международный кредитный рейтинг и не имеющих его. Разница для одного уровня инвестиционной привлекательности (рейтингового класса) у предприятий составляет от 0,5 до 1%. Это показывает эффект от наличия реального кредитного рейтинга. Таким образом, использование методики рейтинговой идентификации позволяет получить значительный экономический эффект. Определены перспективы использования ВКР как инструмента диагностики потребности рефинансирования, снижения долговой нагрузки по ранее привлеченным инвестициям.

Показаны прогностические возможности модели виртуального кредитного рейтинга и его коэффициентного профиля, которые позволяют за 2-3 года до банкротства выявить динамику кризисных изменений по 33 значимым финансовым коэффициентам и своевременно разработать комплекс антикризисных мер менеджментом и собственниками предприятия. Определены направления использования методики рейтинговой идентификации государственными органами управления, которые могут использовать виртуальный кредитный рейтинг группы предприятий как открытый индикатор риска банкротства и уровня инвестиционной привлекательности при оценке региональной и отраслевой инвестиционной политики.

Полученные результаты носят элементы научной новизны и могут служить теоретической и методической базой для дальнейших исследований в области управления уровнем инвестиционной привлекательности предприятия на основе публичных рейтинговых оценок международных и отечественных агентств.

Разработана комплексная методика рейтинговой идентификации предприятий, построены модели виртуальных кредитных рейтингов, которые выступают как методы экспресс-диагностики уровней риска банкротства и инвестиционной привлекательности предприятия, как новые инструменты планирования и управления повышением уровня инвестиционной привлекательности отечественных предприятий по стандартам международных и отечественных рейтинговых шкал.

Разработанная в исследовании комплексная методика рейтинговой идентификации имеет большое практическое значение и дает возможность провести 100% оценку всех предприятий авиационно-космического комплекса, повысить информационную открытость отечественных предприятий, определить рейтинговый класс предприятий и уровень их инвестиционной привлекательности по международной и отечественной рейтинговой шкале с позиции восприятия предприятия институциональным инвестором. Использование виртуального кредитного рейтинга в качестве инструмента позиционирования и управления позволяет менеджменту предприятия разработать оптимальную и эффективную инвестиционную политику, запланировать комплекс мер по повышению уровня инвестиционной привлекательности.

Разработанная методика и модели носят универсальный характер, и может использоваться в разных отраслях промышленности, как инвесторами, так и менеджментом. Результаты и выводы исследования могут быть в дальнейшем использованы для организации системы контроллинга и управления уровнями риска банкротства и инвестиционной привлекательности конкретного предприятия, региона и отрасли. Материалы исследования могут быть использованы высшими учебными заведениями в курсах лекций и практических занятий: «Автоматизация финансово-бухгалтерской деятельности», «Анализ и диагностика финансово-промышленной деятельности предприятий», «Стратегическое управление предприятием», «Финансовый и инвестиционный менеджмент», «Инвестиции», «Корпоративные финансы», «Интеллектуальные системы» и Другие.

Диссертация: библиография по экономике, кандидата экономических наук, Жданов, Иван Юрьевич, Москва

1. Отечественная научная и методическая литература

2. Аниховский А.Л. Кредитный рейтинг: основные элементы и классификации // Деньги и кредит. 2009. №3. - с 31.

3. Аннаев А. А. Корпоративная социальная ответственность в финансовом секторе // Банковское дело. 2009. - № 9. - с. 72-75

4. Аньшин В.М. Инвестиционный анализ, уч. Пособие. «Дело»,2000.

5. Арсеньева Н.В. Система показателей для рейтинговой оценки инвестиционной привлекательности предприятий / Н.В. Арсеньева // Сварочное производство. 2004. -№11.

6. Асамбаев Н. Повышение инвестиционной привлекательности предприятий. // Инвестиции в России. 2002. - №3. - с. 47

7. Баканов М.И., Мельник М.В., Шеремет А.Д. Теория экономического анализа: Учебник. М.: Финансы и статистика, 2007. 535 с.

8. Балдин К.В., Воробьев С.Н. Управление рисками. М.:Юнити-Дана, 2005.-512 с.

9. Бартон Т., Шенкир У., Уокер П. Комплексный подход к риск-менеджменту: стоил ли этим заниматься: Пер. с англ. М.: Вильяме, 2003. -208 с.

10. Беликова A.B. Методология рейтинговых оценок и анализ их влияния на оптимизацию инвестиционного климата / «Инвестиционный банкинг». М, 2006, №1.

11. Бендерская О.Б. Комплексный экономический анализ хозяйственной деятельности: учеб. пособие. / О.Б. Бендерская, A.B. Черных, М.В. Шевченко, П.П. Табурчак и др. СПб.: Химиздат, 2007. - с. 363

12. Бердинкова Т.Б. Анализ и диагностика финансово-хозяйственной деятельности предприятий: Учебное пособие. М.: ИНФРА-М, 2002.-215 с.

13. Боди 3., Кейн А., Маркус А. Дж., Принципы инвестиций, 4-е издание: пер. с англ. М.: «Вильяме», 2004. - 984 с.

14. Бондаренко С.В., Сапрунова Е.А. Сравнительный анализ методик оценки кредитоспособности заемщика // Финансы и кредит. 2008. - №24.

15. Бочаров В.В, Инвестиции. СПБ.: Питер, 2003. - с. 29

16. Бригхэм Ю.Ф., Эрхардт М.С. Финансовый менеджмент: Пер. с англ. СПб: Питер, 2005. - 960 с.

17. Булатов А.Е. Мотивация и приоритеты увеличения инвестиционного потенциала России // Инвестиционные процессы в условиях глобализации. Под ред. Проф. В.П. Колесова М.: Тезис. 2002

18. Булгакова JT. Методы оценки инвестиционной привлекательности предприятий и регионов / J1. Булгакова // Финансы и кредит. 2004. - №15. -с. 58-69

19. Быстрое О.Ф. Управление инвестиционной деятельностью в регионах Российской Федерации: Монография, ИНФРА-М, 2008. 27 с.

20. Бэстенс Д.Э., Ван Ден Берг В.М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М.:ТВП, 1997.

21. Бююль А., Цефель П. SPSS: Искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. СПб.: ООО «ДиаСофтЮП», 2002.

22. Валинурова Л.С., Кулешов Э.А. Организация инвестиционной деятельности в отраслях промышленности: Монография М.: Издательство «Палеотип», 2008.

23. Васильева Л.С., Петровская М.В., Финансовый анализ. М.: КНОРУС, 2006. - 544 с.

24. Гаврилюк О.И. Инструменты и методы оценки инвестиционной привлекательности промышленных предприятий: дис., . к.э.н.: 08.00.05 / Гаврилюк О.И. Белгород, 2010. - 11с.

25. Галасюк В.В. Проблемы принятия теории экономических решений: Монография. Днепропетровск: Новая идеология, 2002. - 304 с.

26. Городничев П.Н. Финансово инвестиционное прогнозирование / П.Н. Городничев, С.П. Городничева. М.: Экзамен, 2005. - 223с.

27. Гречухин Д.М. Моделирование инвестиционного рейтинга предприятий: дис., . к.э.н. 08.00.13. / Гречухин Д.М. СПБ.,2008. 34-41 с.

28. Гришина И., Шахназаров А., Ройзман И. Комплексная оценка инвестиционной привлекательности и инвестиционной активности российских регионов: методика определения и анализ взаимосвязей // Инвестиции в России. 2001. - №4

29. Гуннар 3., Штефан К. Бенчмаркинг: руководство для практиков: Пер. с нем. М.: КИА Центр, 2006 . - 127 с.

30. Давыдова Г.В., Беликова А.Ю. Методика количественной оценки риска банкротства предприятий // Управление риском. 1999. -№3.

31. Дамодаран А., Инвестиционная оценка. Инструменты и техника оценки любых активов./ Пер. с англ. М: Альпина Бизнес Букс, 2004. — 1342с.

32. Данилочкина Н.Г., Чернер Н.В. Контроллинг производственной сферы // Контролиинг. 2003. - №4. - с. 18-25.

33. Дворников М.А. Методический подход к оценке инвестиционной привлекательности предприятий. / М.А. Дворников // Транспортное дело России.-М.: 2009.-№3.

34. Дворников М.А. Кредитный рейтинг как фактор привлечения банковского финансирования предприятиями на выгодных условиях // Материалы Всероссийской научно-практической конференции «Современная Россия: экономика и государство». М.: ГОУ ДПО ГАСИС, 2007.

35. Джеймс Р. Хитчнер. Три подхода к оценке стоимости бизнеса / под научной редакцией В.М. Рутгайзера. М.: Маросейка, 2008. - 340 с.

36. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 1998.

37. Егорычев И.Г., Крюков А.Ф. Анализ методик прогнозриования кризисных ситуаций коммерческих организаций с использованием финансовых индикаторов // Менеджмент в России и зарубежом. 2001. - №2

38. Елисеевой И.И. Статистика. Учебник / Под ред. И.И. Елисеевой М.: ООО «ВИТРЭМ», 2002.

39. Журавлева Н.В. Концептуальные подходы в теории и практике инвестиционного финансирования / Международный бухгалтерский учет. -2011.-№18

40. Зайцева О.П. Антикризисный менеджмент в российской фирме // Аваль. (Сибирская финансовая школа). 1998. -№11-12

41. Игошин Н.В. Инвестиции. Организация управления и финансирования: учебник для вузов.-2-е изд., перераб. и доп. М.: ЮНИТИ-ДАНА, 2002.-81с.

42. Кадочников С.М. «Прямые зарубежные инвестиции: микроэкономический анализ эффектов благосостояния: научное издание». -с. 16

43. Капица С. Парадоксы роста: Законы развития человечества.— М.: Альпина Нон-фикшн, 2010.

44. Каплан Р. Нортон Д Стратегическое единство: создание синергии организации с помощью сбалансированной системы показателей: Пер. с англ. М.: Вильяме, 2006. - 371с.

45. Карминский А. М., Пересецкий А. А., Петров А.Е. Рейтинги в экономике: методология и практика. -М.: Финансы и статистика, 2005.

46. Карминский A.M., Пресецкий A.A. Рейтинги как мера финансовых рисков. Эволюция, назначения, применение. М.: Журнал новой экономической ассоциации, 2009. № 1-2. - с. 86-103.

47. Карминский A.M., Петров А.Е. Рейтинги динамической финансовой стабильности для банков и предприятий // Контроллинг. 2004. №3. - с.26-39.

48. Карминский A.M., Черников Б.В. Информационные системы в экономике: методология создания: учеб. пособ. М.: Финансы и статистика,2006. 4.2. - 240с.

49. Карминский A.M. Рейтинги как инструмент стратегического контроллинга // Экономические стратегии. 2008. - №1. - с.2-9.

50. Карминский A.M., Пресецкий A.A., Головань C.B. Модели рейтингов как фактор риск-менеджмента // Модернизация экономики и общественное развитие: Сб. / Отс. ред. Е.Г. Ясин. М.: Изд. Дом ГУ ВШЭ,2007. Кн.З. - с. 23-33.

51. Келлерхалс М. Д. Журнал Финансы: ноябрь 2, 2011.

52. Кнышев М.И. Инвестиционный консалтинг: практикум. 2-е изд. / М.И.Кныш, Б.А. Перекатов, Ю.П. Тютиков - СПб., из-во Спб ГУЭФ, 2002. -108 с.

53. Ковалев В.В. Финансовый анализ: методы и процедуры. М.: Финансы и Статистика, 2002. - 560 с.

54. Коупленд Т., Колер Т.,. Муррин Дж «Стоимость компаний: оценка и управление». 2-е изд., стер. / Пер с англ. - М.: ЗАО «Олимп-Бизнес», 2002. - 576 с.

55. Кузнецов A.B. Формирование образа клиента заемщика коммерческого банка на основе аппарата искусственных нейронных сетей: дис. . к.э.н.: 08.00.13 / Кузнецов A.B.-Самара, 2006.- 169 с.

56. Кузык Б.Н., Яковец Ю.В. Россия 2050: стратегия инновационного прорыва / Б.Н. Кузык, Ю.В. Яковец - М.: ЗАО «Издательство Экономика», 2004. - с. 375

57. Купленков М.Ю. // Материалы Всероссийской научно-практической конференции «Актуальные проблемы развития экономических систем: теория и практика». 2008.

58. Купленков М.Ю. Методологические основы определения инвестиционной надежности предприятий-заемщиков: дис. . к.э.н.: 08.00.05. / Купленков М.Ю. Москва, 2008. - 58 с.

59. Купленков М.Ю. Комплексные методы оценки рейтинга инвестиционной надежности / М.Ю. Купленков // Сб. Трудов «Управление инновациями и инвестиционной деятельностью», науч. Выпуск 7. М.: ГАСИС, 2007.

60. Лабанова A.A. Энциклопедия финансового риск-менеджмента / Под ред. A.A., A.B. Чугунова 2-е изд. М.: Альпина Бизнес Букс, 2005. -878с.

61. Лобанова Т.П., Мясоедова Л.В., Олейникова Ю.А. Стратегическое планирование на предприятии: Учеб. пособие для вузов. 2-е изд., перераб. и доп.М.: «МарТ»; Ростов н/Д: Изд. Центр «Март», 2005. с. 236

62. Лялин С. Корпоративные облигации: за и против. // Рынок Ценных бумаг. 2001. - № 1. - с 59-61

63. Макарьева В.И., Андреева Л.В. Анализ финансово-хозяйственной деятельности организации. М.: Финансы и статистика, 2004. - 264 с.

64. Малджанов Э. Конфликт интересов: инвестиционный банк, аналитики, инвесторы // Рынок ценных бумаг. 2002. -№13. - с. 18-21

65. Мансуров С. Рейтинговая оценка эффективности реализованных инвестиционных проектов на промышленном предприятии / С.Мансуров // РЦБ. 2008. - №1. - с. 58-60

66. Милованова Е.А. Прогнозные оценки инвестиционной привлекательности отрасли / Е.А. Милованова, Т.В. Кузьменков // Экономический анализ: теория и практика, 2007. №7

67. Минашкин В.Г. Теория статистики: Учебно-пркатическое пособие / В.Г. Минашкин, А.Б. Гусынин, H.A. Садовникова, P.A. Шмойлова. -М.:МЭСИ, 1990.- 112 с.

68. Молибог Т.А. Комплексный анализ финансово хозяйственной деятельности организации. М.: ВЛАДОС, 2005.

69. Моргунова Р.В. Инновационный механизм управления со стейкхолдерами крупных предприятий: диссертация, к.э.н.: 08.00.05. Владимир, 2009.-41 с.

70. Мосенко И.Б. Прогнозирование платежеспособности предприятия на основе расчета его рейтинга и регрессионного анализа величины чистых активов: дис. . к.э.н. 08.00.13. / Мосенко И.Б. Пермь, 2009. - 59 с.

71. Мошенский А.Б. Пути совершенствования системы управления кредитными рисками // Финансы и кредит, 2008. №6. - с. 35-40

72. Олдендерфер М.С., Блэшфилд Р.К. Кластерный анализ // Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989.-е. 139-215

73. Орлов А.И. Теория принятия решений: Учебник. М.: Экзамен, 2006. - 574с.

74. Остапенко В., Мешков В. Собственные источники инвестиций предприятия // Экономист. 2003. - №8. - с. 28-36

75. Панагушин В.П., Минаев Э.С. Антикризисное управление. Учебное пособие для технических вузов / Под ред. Минаева Е.С. и Панагушина В.П. М.: Приор, 1998. - 432 с.

76. Пахомов В.А. Инвестиционная привлекательность предприятий -исполнителей контрактов как экономическая категория Электронный ресурс. / Пахомов В.А. // Корпоративный менеджмент. 2005. - Режим доступа: http://www.cfin.rU/bandurin/articIe/sbrn08/l 6.shtml.

77. Перцухов В.И., Панасейкина B.C. Моделирование инвестиционного поведения экономических систем. В 2-х т. Т.1: Монография. Краснодар: Изд-во ООО «Ризограф», 2007. - 156 с.

78. Письменная Н.Е. Совершенствование региональной инвестиционной политики на современном этапе (Ставропольский край) // Экономика и управление. 2006. - №1 (22). - с. 52-56

79. Подрезов П.Н. Методические подходы к моделированию инвестиционной привлекательности промышленных предприятий // Известия ОГТУ. Серия «Социально-экономические и гуманитарные науки». 2008. -№2

80. Подрезов П.Н. Оценка инвестиционной привлекательности промышленных предприятий: методические подходы // Наука и образование. Межвузовский сборник научных трудов. Вып. №2 «Общество и экономика». М.: ИИЦ МГУДТ, 2006. с. 41-50

81. Попов Д. Эволюция показателей стратегии развития предприятия //Управление компанией. №2. - 2003.

82. Портнов В.В. Контоллинг как механизм эффективного управления инвестиционной привлекательностью промышленного предприятия: автореф. дис. . к.э.н.: 08.00.05 / Портнов B.B. М., 2011. - с. 4

83. Протасов В.Ф. Анализ деятельности предприятия (фирмы): производство, экономика, финансы, инвестиции, маркетинг. М.: «Финансы и статистика», 2003. - 536 с.

84. Пястолов С.М. Экономический анализ деятельности предприятий М.:Академический проект, 2004. 464, 576 с.

85. Разумов И.В. Качество менеджмента и инвестиционная привлекательность промышленных предприятий / И.В. Разумов // Финансы и кредит. 2007. - №20. - с. 13-19

86. Райзберг Б.А. Современный экономический словарь/ И.В.Разумов // Финансы и кредит. 2007. -№20. - с. 13-19

87. Ример М.И. Касатов А.Д., Матиенко Н.Н. Экономическая оценка инвестиций / Под общ. Ред. М. Римера.- СПб.: Питер, 2006. 365 с.

88. Ромашова Е.А. Система управления компанией на основе показателя экономической добавленной стоимости. Стратегическое управление предприятиями, организациями и регионами: сб. статей Всерос. Науч.-практ.конф. Пенза: МНИЦ ПГСХА, 2007. - с. 126-128

89. Румянцева Е.Е. Новая экономическая энциклопедия. М.:ИНФРА-М, 2005. с 407

90. Рябова Е.Ю. Учетно-аналитическое обеспечение оценки инвестиционной привлекательности малых предприятий сельского хозяйства: дис. . к.э.н.: 08.00.12 / Рябовой Е.Ю. Ставрополь, 2010. - 16-19с.

91. Самарин C.B. Применение аппарата нейронных сетей для анализа финансовых рынков: дис.к.э.н.: 08.00.13 / Самарин C.B. М, 2002. - 57 с.

92. Самсонов А.Н. Инновационное развитие предприятия как стратегическое направление деятельности. М.: Палеотип, 2005. 59 с.

93. Селянин В.Е. Разработка моделей и инструментальных средств анализа кредитного риска на основе технологии нечетких нейронных сетей: дис. . к.э.н. 08.00.13/Селянин В.Е.-Волгоград, 2007.-37-40 с.

94. Семеней А. Проблемы прогнозирования банкротства на отечественных предприятиях // Люди дела XXI. 2003. - №36 (март)

95. Семункин М.С. Применение рейтинговых оценок для моделирования инвестиционной привлекательности отраслей промышленности // Наука и образование. Межвуз. Сб.науч.трудов. вып №4 «Общество и экономика». М.: ИИЦ МГУДТ, 2006.

96. Симонов В.А. Кредитный рейтинг как механизм повышения инвестиционной привлекательности муниципальных образований. Новые рынки. - 2002. - №6

97. Слепов В.П. Инвестиции как фактор экономического роста / В.А. Слепов, М.А, Потапская //Финансы. 1999. -№1, с 19-21

98. Смит А. Исследование о природе и причинах богатства народов. -М.: ЭКСМО, 2007.

99. Сошникова Л.А., Тамашевич В.Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике: учеб. пособие для вузов. -М.: ЮНИТИ-ДАНА, 1999.

100. Тафеева A.A. Оценка инвестиционной привлекательности в условиях инновационного развития: дис. . к.э.н.: 08.00.05 / A.A. Тафаева. -77 с.

101. Теплиций В., Костюковский Ю. Инвесторы и приоритеты // Экономика и жизнь. -1993. -№33, 35

102. Тимофеева Е.Е. Региональный промышленный комплекс кластерного типа: органзационно управленческие проблемы функционирования и развития в депрессивном регионе: дис. . к.э.н.: 08.00.05. / Е.Е. Тимофеева. - Иваново, 2004. - 21 с.

103. Тихомиров Н.П. Особенности выбора стратегий управления инвестициями в условиях рисков и неопределенности в исходной информации // Инновации и инвестиции. 2004. - №1

104. Турсунов Т.М. Рейтинговые агентства и их роль на рынке структурированных финансовых инструментов Корпоративные финансы №3(15), 2010.-79 с.

105. Фетисов Г.Г. Устойчивость коммерческого банка и рейтинговые системы ее оценки. М.: Финансы и статистика, 1999. -168 с.

106. Чаусский А. Как привлечь зарубежные инвестиции. М.:Альпина Паблишерз, 2010. - 25 с.

107. Чернышева Ю.Г., Чернышев Э.А. Анализ финансово-хозяйственной деятельности предприятия: Москва: ИКЦ «МарТ»; Ростов н/Д: Издательский центр «МарТ», 2003. 304 с.

108. Черняк В.З. Управление инвестиционными проектами: Учебное пособие / В.З. Черняк. М.: Юнити, 2004. - 351 с.

109. Чечевицына JI.H. Анализ финансово-хозяйственной деятельности: Учебник / JI.H. Чечевицына, И.Н. Чуев 3-е изд. - М.: Дашков и К°, 2003.

110. Чмель С.Ю. Формирование стратегии устойчивого развития предприятия на основе гармонизации целей стейкхолдеров: Автореферат дис. . к.э.н.: 08.00.05., Москва, 2011. 9 с.

111. Шапкин A.C. Экономические и финансовые риски: оценка, управление, портфель инвестиций. -М.: Дашков и К, 2003. 543 с.

112. Шарп У. Инвестиции: Учебник / У. Шарп, Г.Александер, Дж. Бейли. -М.: ИНФРА-М, 2003. 530 с.

113. Шеннон П.П. Стоимость капитала. Расчет и применение / Пратт П. Шеннон; Пер. с англ. Бюро переводов Рой д. 2-е изд. М.: ИД «КВИНТО-КОНСАЛТИНГ», 2006. - 455 с.

114. Шеремет А.Д. Теория экономического анализа: учебник.-2-е изд., доп. М.-ИНФРА-М, 2006.- 227 с.

115. Шеремет А.Д., Сайфулин P.C. Методика финансового анализа. -М.: ИНФРА-М, 1995.

116. Шеремет В.В., В.М., В.Д Павлюченко Управление инвестициями: в 2т. т.1. / В.В. Шеремет, В.М. Павлюченко, В.Д. Шапиро и др. М.:Высшая школа, 1998.-416 с.

117. Шешукова Т.Г. Контроллинг, аудит, анализ, коммерческий расчет: теория и практика. Пермь: Издательство Прикамского социального института, 2003. - 341 с.

118. Шумпетер И. Теория экономического развития (Исследование предпринимательской прибыли, капитала, кредита, процента, процента и цикла конъюнктуры). М.: Прогресс, 2002.

119. Щиборщ К.В. Оценка инвестиционной привлекательности предприятий // Банковские технологии. 2000. - №4. - с. 44-51

120. Электронный ресурс консалтинговой компании Neweton Advice Bureu. Режим доступа: http://headwork.ru/main/news/2007/164.html

121. Электронный ресурс рейтингового агентства «АК&М». Кредитные рейтинги предприятий. Режим доступа: http://www.akm.ru/rus/

122. Электронный ресурс рейтингового агентства «Fitch». Режим доступа: http://www.fitchratingscis.ru/

123. Электронный ресурс рейтингового агентства «Moody's». Режим доступа: http://www.moodys.com/

124. Электронный ресурс рейтингового агентства «Standard&Poor's». Режим доступа: http://www.standarandpoors.ru

125. Электронный ресурс рейтингового агентства «Национальное Рейтинговое Агентство» (HPА). Режим доступа: http://www.ra-national.ru/

126. Электронный ресурс рейтингового агентства «РусРейтинг». Режим доступа: http://www.rusrating.ru/

127. Электронный ресурс рейтингового агентства «Эксперт РА». Кредитные рейтинги предприятий. Режим доступа: http://www.raexpert.ru

128. Электронный ресурс. Международная статистика. Статистика UNCTAD. Режим доступа: http://unctadstat.unctad.org

129. Электронный ресурс. Официальный сайт Национального агентства прямых инвестиций. Режим доступа: http://www.napi.ru

130. Электронный ресурс. Рейтинговое агентство Эксперт РА. Кредитный рейтинг как механизм повышения инвестиционной привлекательности муниципальных образований. URL: http://www.raexpert.ru

131. Электронный ресурс. Учебник StatSoft. Режим доступа: http://www.statsofit.ru

132. Электронный ресурс. Федеральная служба государственной статистики (РосСтат). Режим доступа: http://www.gks.ru

133. Электронный ресурс. Федеральной программы «развитие гражданской авиационной техники России на 2002-2010 годы и на период до 2015 года», http://www.svavia.ru/info/docs/doc92.html

134. Электронный ресурс. Швец С.М., Дергачев A.JI. Как повысить рыночную капитализацию металлургическим компаниям путем выхода на фондовый рынок: Рынок IPO. Режим доступа: http://www.bullion.ru/ theory/tutors/?n=5.

135. Электронный ресурс информационно-аналитической системы СПАРК. Режим доступа: http//:www.spark.ru

136. Электронный ресурс. Модель Р. Таффлера для прогнозирования риска банкротства предприятий. Жданов В.Ю. Режим доступа: http://www.beintrend.ru/2011-06-08-11-07-03

137. Зарубежная научная литература

138. Altman E., Rijken H., 2004. How rating agencies achieve rating stability. Journal of Banking & Finance, 28, 2679-2714

139. Altman E., Suggitt H., 2000. Default rates in the syndicated bank loan market: A mortality analysis. Journal of Banking & Finance, 24, 229-253.

140. Altman E., Saunders A. (1997). Credit risk measurement: developments over the last 20 years. Journal of Banking & Finance, Vol. 21, No. 11-12.

141. Altman E.J. Financial Ratios, Discriminant Analysis, and the Prediction of Corporate Bankruptcy // Journal of Finance, №23(September 1968)

142. Amato J., Furfine C. Are credit ratings procyclical? // BIS working papers/2003 .-№129, p.34.

143. Basel Committee on Banking Supervision, International Convergence of Capital Standards. A Revised Framework (2004). Bank for International Settlements, June

144. Beaver W.H. Financial Ratios and Predictions of Failure // Empirical Research in Accounting Selected Studies, Supplement to Journal of Accounting Research, 1996, p. 69-136

145. Cantor R., Packer F., 1995. The credit rating industry // Journal of Fixed Income. N5 (3), p. 10-34.

146. Carhart M., 1997. On the Persistence in Mutual Fund Performance // Journal ofFinance, 52(1), 57-82.

147. Churchill G.A., Nevin J.R., Watson R.R. / The role of credit scoring in the loan decision. Credit World. March, 1977

148. Curry T., G. Fissel, G. Hanweck, 2008. Is there cyclical bias in bank holding company risk ratings? Journal of Banking & Finance, 32, 127-130

149. Elton, E. J. Gruber, M. J. - Brown, S. J. - Goetzmann, W. N.: Modern Portfolio Theory and Investment Analysis (6th edition). USA: John Wiley & Sons, Inc. 2003, p. 383.

150. Fama E., French K.R, "Value Versus Growth: The International Evidence." Journal of Finance. 54:6. pp. 1975-1999.

151. Fama, E. F. French, K. R.: "Common risk factors in the returns on stocks and bonds". The Journal of Financial Economics, 1993, vol. 33, no. 1, pp. 356.

152. Fama, E. F. French, K. R.: "The cross section of expected stock returns". The Journal of Finance, 1992 vol. 47, no. 2, 427-465

153. Feng D., C. Gourieroux, J. Jasiak, 2008. The ordered qualitative model for credit rating transitions. Journal of Empirical Finance, 15, pp.111-130.

154. Freeman E. The Stakeholder Approach Revisited: Zeitschrift fur Wirtschafts und Untemehmensethik, vol. 5 No 3, 2004, p. 220-241.

155. Frydman H., T. Schuermann, 2008. Credit rating dynamics and Markov mixture models. Journal of Banking & Finance, 32, 1062-1075.

156. Horrigan, J. O. (1966), "The determination of long term credit standards with financial ratios", Empirical Research in Accounting 1966, Journal of Accounting Research 4, supplement, p. 44-62.

157. Hull J., Predescu Mirela, White Alan, 2005. Bond Price, Default Probability and Risk Premiums // Journal of Credit Risk, Vol 1, No.2, 53-60, Volume 1/Number 2

158. Jensen M. Value Maximization, Stakeholder Theory, and the Corporative Objective Function // Journal of Applied Corporate Finance/ Fall 2001/Vol.14, №3,pp 8-21

159. Kaplan, R.S. and Urwitz, G, 1997. Statistical Models of Bond Ratings: A Methodological Inquiry // The Journal of Business, vol 52, n.2, p. 231-261.

160. Kish R.J., Hogan K.M., Olson, G., 1999. Does market perceive a difference in rating agencies? // The Quarterly Review of Economics and Finance. N39. P. 363-377.

161. Moody's Rating Methodology. Global Apparel Industry., Moody's Investors., New York, May 2007

162. Moody's in Russia: The Growing Significance of Ratings (2005). Moody's Annual Conference, Moscow, November

163. Myer J.H., Forgy E., The development of numerical credit evaluation system // Journal of American Statistical Assotiation. September / 1963

164. Partnoy F., 2002. The Paradox of Credit Ratings. In Ratings, rating agencies and the global financial system. Editors R. Levich, G. Majononi and C. Reinhart. Boston, Kluwer Academic Publishers. 65-84.

165. Pederzoli Ch., C. Torricelli, 2005. Capital requirements and business cycle regimes: Forward-looking modeling of default probabilities. Journal of Banking & Finance, 29, 312-314

166. Pinches, G. and Mingo, K., 1973. A multivariate analysis of industrial bond ratings, Journal of Finance, 28, p. 201-206.

167. Servigny A. and O. Renault. 2004. Measuring and managing credit risk. McGraw-Hill, N.-Y. etc., 467

168. Stewart B. The Quest for Value. New York: HarperCollins, 1991.

169. Stewart St. Round Table on Financial Strategy for Middle Market Companies // Journal of Applied Corporate Finance.2000.VoI. 12, №4

170. Susan Key, Stakeholder Theory The World: Atwenty Year Retrospective / Susan Key, Lee Bewiey, Stephen Vault //Annual Meeting, Knoxville, 2004.

171. Williamson O.E. Organization Theory: From Chester Barnard of Present and Beyond. Oxford University Press, 1995.

172. Winakor A., Smith R.F. Changes in financial structure of unsuccessful firm, bureau business research.-Urbana Illinois: University of Illinois Press, 1935.

173. Статьи в научных изданиях, рекомендованных ВАК РФ

174. Жданов И.Ю. Управление компанией. Повышение точности стратегического инструмента EVA // Управление экономическими системами: электронный научный журнал 2011. №9 (33).-0,3 п.л.

175. Жданов И.Ю. Управление развитием предприятия на основе оптимального взаимодействия со стейкхолдерами // Управление экономическими системами: электронный научный журнал. 2011. №9 (33). -0,25 п.л.

176. Жданов И.Ю., Афанасьева O.A. Создание имитационной модели международного кредитного рейтинга для промышленных предприятий // Управление экономическими системами: электронный научный журнал. -2011. №9(33).-0,5 п.л.

177. Жданов И.Ю. Повышение инвестиционной привлекательности авиационных предприятий с использованием кредитного рейтинга // Труды МАИ, 57 вып. 2012 г. 0,6 п.л.

178. Материалы статей и научных конференций

179. Жданов И.Ю. Эволюция портфельной теории // Сборник аспирантов кафедры №504. 2010. - 0,3 п.л.

180. Жданов И.Ю. Коэффициенты оценки инвестиционной привлекательности // Научно практическая конференция молодых ученых и студентов. 2010. - 0,1 п.л.

181. Жданов И.Ю., Афанасьева O.A. Хеджирование инвестиционного портфеля предприятия с помощью синтетических финансовых инструментов // Материалы международной конференции «Авиация и космонавтика». -2010.-0,1 п.л.

182. Жданов И.Ю. Влияния международного кредитного рейтинга на стоимость заемного капитала промышленных предприятий // Материалы международной конференции «Авиация и космонавтика». 2011». - 2011. -0,1 п.л.

183. Жданов И.Ю. Влияние международного кредитного рейтинга на стратегию развития промышленного предприятия // Материалы научно-экономической конференции им. Академика П.П. Маслова. 2011. - 0,1 п.л.

184. Жданов И.Ю. Создание механизма оценки инвестиционной привлекательности российских промышленных предприятий // Материалы конференции «С.А. Саркисян и развитие факультета. Экономика и менеджмент инноваций в создании АПК. 2011. - 0,1 п.л.

185. Жданов И.Ю. Рейтинговая идентификация промышленных предприятий с помощью комитета имитационных моделей кредитных рейтингов // Материалы международной конференции «Инновация в авиации и космонавтике». -2012.-0,1 п.л.

Рейтинговая идентификация промышленных предприятий тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Рейтинговая идентификация промышленных предприятий"

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Жданов, Иван Юрьевич

Диссертация: введение по экономике, на тему "Рейтинговая идентификация промышленных предприятий"

Диссертация: библиография по экономике, кандидата экономических наук, Жданов, Иван Юрьевич, Москва

Похожие диссертации

Каталог диссертаций