Корпоративные кризисы: причинно-следственные связи

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В статье проанализированы официальные статистические данные по банкротству организаций и сделаны выводы о тенденциях развития кризисной ситуации в 2023 г. Отмечено, что банкротство является явным и объективным проявления кризиса на микроуровне. Для выявления кризисных состояний на возможно ранних стадиях развития автором предлагается сформировать категориально-понятийную систему каузальной связи между такими понятиями как: «причина-симптом-кризис». Рассмотрены и даны дефиниции, указанных категорий. Указаны такие особенности причин кризисов, как мультикаузальность, мимикрия, инерционность и синергичность. Проведена типология коренных категорий причин кризисов и подробно рассмотрены внутренние каузальные связи «причина-симптом-кризис». Для принципиального разрешения латентных противоречий и сознательного перевода системы на новый уровень устойчивости, предлагается использовать принципиально новое, инновационное направление - аутогенный, т.е. управляемый кризис. Намечены направления дальнейших исследований в таких областях, как: типология кризисов и симптоматологии

Об авторах

Олег Владимирович Девяткин

Российский экономический университет им. Г. В. Плеханова

Email: devyatkin.ov@rea.ru
доцент кафедры экономики промышленности, кандидат экономических наук, доцент

Список литературы

  1. 1. Единый федеральный реестр юридически значимых сведений о фактах деятельности юридических лиц, индивидуальных предпринимателей и иных субъектов экономической деятельности (Федресурс). Статистический бюллетень Федресурса по банкротству, 31.12.2022, с. 28. [Электронный ресурс]. URL: http://www.fedresurs.ru/news (дата обращения: 22.05.2023).
  2. 2. Единый федеральный реестр юридически значимых сведений о фактах деятельности юридических лиц, индивидуальных предпринимателей и иных субъектов экономической деятельности (Федресурс). Банкротства в России: I квартал 2023 года. Статистический релиз Федресурса по банкротству, 31.03.2023, с. 10. [Электронный ресурс]. URL: http://www.fedresurs.ru/news (дата обращения: 31.05.2023).
  3. 3. Большая советская энциклопедия. / в 30-ти т. – 3-е изд.Статья: «Экономические кризисы». - М. : Советская энциклопедия, 1969.
  4. 4. Березинец И. В., Бобылева А.З., Ильина Ю.Б. Вероятность банкротства: достоверны ли модели прогнозирования? // Государственное управление. Электронный вестник. – 2022. – № 94. – c. 68-83. – doi: 10.24412/2070-1381-2022-94-68-83.
  5. 5. Бобылева А. З., Львова О. А. Финансово-экономический инструментарий выявления признаков объективного банкротства // Актуальные проблемы экономики и права. – 2020. – № 1. – c. 22–39. – doi: http://dx.doi.org/10.21202/1993-047X.14.2020.1.22-39.
  6. 6. Давыдова Г. В., Беликов А. Ю. Методика количественной оценки риска банкротства предприятий // Управление риском. – 1999. – № 3. – c. 13–20.
  7. 7. Девяткин О. В. Аутогенный кризис как концептуальная модель системных изменений // Вестник РЭУ имени Г. В. Плеханова. – 2019. – № 2 (104). – c. 182-191. – doi: http://dx.doi.org/10.21686/2413-2829-2019-2.
  8. 8. Девяткин О. В. Стресс-тестирование в системе аутогенного кризиса // Научные исследования и разработки. Экономика фирмы. – 2019. – № 4. – c. 73-83. – doi: 10.12737/2306-627X-2019-71-81.
  9. 9. Зайцева О. П. Антикризисный менеджмент в российской фирме // Сибирская финансовая школа. – 1998. – № 11–12. – c. 66–73.
  10. 10. Игнатова Л. Н., Девяткин О.В., Болкина Г.И. О ресурсном подходе к формированию промышленной политики предприятия // Вопросы региональной экономики. – 2020. – № 3(44). – c. 38-48.
  11. 11. Коссова Т. В., Коссова Е. В. Оценка кредитного риска компаний российского корпоративного сектора на основе прогнозирования вероятности дефолта по обязательствам // Проблемы анализа риска. – 2011. – № 2. – c. 68–78.
  12. 12. Львова О. А., Пеганова О.М. Факторы и причины банкротства компаний в условиях современной экономики // Государственное управление. Электронный вестник. – 2014. – № 44. – c. 64-82.
  13. 13. Федорова Е. А., Гиленко Е. В., Довженко С. Е. Модели прогнозирования банкротства: особенности российских предприятий // Проблемы прогнозирования. – 2013. – № 2 (137). – c. 85–92.
  14. 14. Помазанов М. В., Колоколова О. В. Разработка формулы вероятности банкротства компании на базе показателей бухгалтерской отчетности // Оперативное управление и стратегический менеджмент в коммерческом банке. – 2004. – № 6. – c. 65–84.
  15. 15. Рыкова И. Н., Губанов Р.С. Предпосылки возникновения банкротства в реальном секторе экономики // Имущественные отношения в Российской Федерации. – 2015. – № 11(170). – c. 95-112.
  16. 16. Сальников В.А., Могилат А.Н., Маслов И.Ю. Стресс-тестирование компаний реального сектора для России: первый подход (методологические аспекты) // Журнал новой экономической ассоциации. – 2012. – № 4(16). – c. 46–70.
  17. 17. Федорова Е. А., Довженко С.Е., Федоров Ф.Ю. Модели прогнозирования банкротства российских предприятий: отраслевые особенности // Проблемы прогнозирования. – 2016. – № 3(156). – c. 32-40.
  18. 18. Чепурко Ю. С. Конструирование дефиниции категории // Вестник Омского университета. Серия: Экономика. – 2012. – № 2. – c. 85-94.
  19. 19. Черногорова К.А. Анализ концепта «кризис предприятия» // Международный научно-исследовательский журнал. – 2016. – № 4 (46). – doi: 10.18454/IRJ.2016.46.070.
  20. 20. Шмидт Г. Философский словарь. - Республика, 2003. – 575 c.
  21. 21. Altman Edward I. Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy // Journal of Finance. – 1968. – p. 189—209. – doi: 10.1111/j.1540-6261.1968.tb00843.x.
  22. 22. Altman E. I., Haldeman R. G., Narayanan P. Zeta analysis: a new model to identify bankruptcy risk of corporation // Journal of Banking and Finance. – 1977. – № 1. – p. 29–54.
  23. 23. Barnett Carole K., Pratt Michael G. From threat‐rigidity to flexibility ‐ Toward a learning model of autogenic crisis in organizations // Journal of Organizational Change Management. – 2000. – № 1. – p. 74-88.
  24. 24. Beaver W. Financial Ratios as Predictors of Failure // Journal of Accounting Research. – 1966. – p. 71–111. – doi: 10.2307/2490171.
  25. 25. Dubrovski D. Handling Corporate Crises Based on the Correct Analysis of Its Causes // Journal of Financial Risk Management. – 2016. – № 5. – p. 264-280.
  26. 26. Fedorova E., Ledyaeva S., Drogovoz P., Nevredinov A. Economic Policy Uncertainty and Bankruptcy Filings // International Review of Financial Analysis. – 2022. – p. 102174. – doi: 10.1016/j.irfa.2022.102174.
  27. 27. Garcia J. Bankruptcy Prediction Using Synthetic Sampling // Machine Learning. – 2022. – doi: 10.1016/j.mlwa.2022.100343.
  28. 28. Jardin P. Predicting Bankruptcy Using Neural Networks and Other Classification Methods: The Influence of Variable Selection Techniques on Model Accuracy // Proceedings of the Second European Symposium on Time Series Prediction. Helsinki University of Technology, Porvoo, Finland. 2010. Pp. 271–284
  29. 29. Jardin P. Dynamic Self-Organizing Feature Map-Based Models Applied to Bankruptcy Prediction // Decision Support Systems. – 2021. – doi: 10.1016/j.dss.2021.113576.
  30. 30. Lymbersky C. Why Do Companies Fail? 2014 Survey Results // Tournaround Management Journal. – 2014. – № 2. – p. 41-49.
  31. 31. Ohlson J.A. Financial Ratios and the Probabilistic Prediction of Bankruptcy // Journal of Accounting Research. – 1980. – № 1. – p. 109–131. – doi: 10.2307/2490395.
  32. 32. Platt H.D., Platt M.B. Financial Distress Comparison across Three Global Regions // Journal of Risk. – 2008. – № 1. – p. 129–162. – doi: 10.3390/jrfm1010129.
  33. 33. Taffler R.J. Forecasting Company Failure in the UK Using Discriminant Analysis and Financial Ratio Data // Journal of the Royal Statistical Society: Series A (General). – 1982. – № 3. – p. 342–358. – doi: 10.2307/2981867.
  34. 34. Qu Y., Quan P., Lei M., Shi Y. Review of Bankruptcy Prediction Using Machine Learning and Deep Learning Techniques // Procedia Computer Science. – 2019. – p. 895–899. – doi: 10.1016/j.procs.2019.12.065.
  35. 35. Shen F., Zhao X., Kou G., Alsaadi F.E. A New Deep Learning Ensemble Credit Risk Evaluation Model with an Improved Synthetic Minority Oversampling Technique // Applied Soft Computing. – 2020. – doi: 10.1016/j.asoc.2020.106852.
  36. 36. Shumway T. Forecasting Bankruptcy More Accurately: A Simple Hazard Model // Journal of Business. – 2001. – № 1. – p. 101–124. – doi: 10.1086/209665.
  37. 37. Tian S., Yu Y., Guo H. Variable Selection and Corporate Bankruptcy Forecasts // Journal of Banking and Finance. – 2015. – p. 89–100. – doi: 10.1016/j.jbankfin.2014.12.003.
  38. 38. Zmijewski M. Methodological Issues Related to the Estimation of Financial Distress Prediction Models // Journal of Accounting Research. – 1984. – p. 59–82. – doi: 10.2307/2490859.
  39. 39. The Oxford English Dictionary. [Электронный ресурс]. URL: https://www.oed.com (дата обращения: 20.05.2023).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Девяткин О.В., 2023

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах