Инвестиционная привлекательность предприятий: оценка на основе построения деревьев классификации

Ключевые слова: Нормативные значения финансовых показателей, CART алгоритм, недооцененные и переоцененные компании, сельскохозяйственные предприятия, регионы России

Аннотация

Предмет. Эффективность инвестиционных решений напрямую зависит от того, насколько близка определённая инвестором оценка инвестиционной привлекательности организации к ее объективному состоянию. Одним из критериев оценки инвестиционной привлекательности являются нормативные значения показателей финансового состояния компании. Однако многие общепринятые нормативы показателей финансового состояния не могут обеспечить высокой точности при оценке инвестиционной привлекательности отдельных организаций и допускают недооценку или переоценку компаний. Это происходит в силу того, что при разработке нормативов не учитываются отраслевые особенности деятельности организации, особенности более узких сегментов и ячеек в рамках отдельной отрасли, а также региональная специфика экономической деятельности.
Цель. Определение нормативов финансовых показателей, которые позволят оценивать инвестиционную привлекательность организаций определенной отраслевой принадлежности с высокой точностью.
Методология. Для достижения поставленной цели использовался такой метод машинного обучения как построение деревьев классификации (CART – Classification and Regression Trees).
Результаты. Проведён сравнительный анализ нормативных значений показателей инвестиционной привлекательности организаций из научной литературы, нормативных и банковских рекомендаций. Предложена идея расчёта нормативов для показателей инвестиционной привлекательности организаций, которая состоит в анализе отраслевой статистики по алгоритму дерева классификации CART и выборе нормативов финансовых показателей через максимизацию уменьшения неоднородности наблюдений по инвестиционной привлекательности. Предложенная методика апробирована для свиноводческих организаций Воронежской, Белгородской, Курской, Липецкой и Тамбовской областей, для которых были рассчитаны нормативы коэффициентов текущей ликвидности, быстрой ликвидности, автономии, долгосрочного привлечения заёмного капитала.
Выводы.
В процессе исследования установлено, что среди рассмотренных подходов к выбору нормативов для показателей инвестиционной привлекательности организации наибольшей точностью прогнозирования, применительно к отдельному рыночному сегменту, обладает дерево классификации. Данная методика показала самую высокую точность прогнозирования в свиноводстве по всем исследуемым финансовым коэффициентам. Свинокомплексы Воронежской области выгодно финансировать за счёт заёмного капитала, что подтверждается нормативными значениями коэффициентов автономии 0,35 и концентрации заёмного капитала 0,65. Норматив коэффициента долгосрочного привлечения заёмного капитала составил 0,49. Большей осторожности требует оценка инвестиционной привлекательности свинокомплексов в краткосрочном периоде: нормативные значения коэффициентов текущей и быстрой ликвидности высоки и составляют 2,73 и 1,44 соответственно.

Metrics

Загрузка метрик ...

Биографии авторов

Анна Юрьевна Кособуцкая, Воронежский государственный университет

Доктор экон. наук, профессор кафедры экономики и управления организациями.

Михаил Андреевич Суржин, Воронежский государственный университет

Магистр менеджмента.

Анни Вильжан Равуанжинирина, Воронежский государственный университет

Аспирант.

Литература

Voronin, S.M., Gavrilovets, A.V. and Kvetko, E.A. (2020) Preimush-chestva primeneniya metoda «Derevo resheniy» pri otsenke investitsionnykh proyektov [Advantages of using the "Decision tree" method for evaluating invest-ment projects]. Upravleniye v sotsial'nykh i ekonomicheskikh sistemakh. (1), 5-7. (In Russian)

Votyakova, L.R. and Nurumbetova, L.R. (2019) Primeneniye dereva resheniy v ekonomicheskikh zadachakh [Application of the decision tree in eco-nomic problems]. Tendentsii razvitiya nauki i obrazovaniya. (50–4), 42–45. Avail-able from: doi 10.18411 / lj-05-2019-75. (In Russian)

Endovitsky, D.A. (ed.) (2014) [Analysis of the investment attractiveness of the organization: scientific publication]. Moscow, KNORUS Publ. (In Russian)

Zakharova, O.I., Artyushkina, E.S. and Kholopov, S.V. (2020) Derev'ya resheniy i algoritmy ikh postroyeniya [Decision trees and algorithms of their con-struction]. Eurasian Scientific Association, (4-2 (62)), 97–99.

(In Russian)

Ilysheva, N.N. and Krylov, S.I. (2015) Analiz finansovoy otchetnosti [Analysis of financial statements: learning guide]. Moscow, Unity. (In Russian)

Kosobutskaya, A.Yu. and Surzhin, M.A. (2020) Assessment of the In-vestment Prospect of Business. In: Treshchevskiy, Y.I. and Golikova, G.V. (eds.) Problemy i perspektivy sovremennoy ekonomiki. Sbornik statey. Voronezh, Istoki, Vol. 6, 98-105. (In Russian)

Rysaeva, R.R. and Kirpikov, A.N. (2019) Formirovaniye individual'nykh normativnykh znacheniy pokazateley finansovogo sostoyaniya ekonomicheskikh sub"yektov [Formation of individual normative values of indicators of a economic subjects' financial state]. Vestnik sovremennykh issledovaniy. (1.5(28)), 247-253. (In Russian)

Senin, A.S. and Lyasnikov, N.V. (2019) Making management decisions in crisis situations based on neural network "decision tree". Economics & Society: Contemporary Models of Development. (1(23)), 98–110.

DOI: 10.18334/ecsoc.9.1.40541 (In Russian)

Surzin, M.A. and Kosobutskaya, A.Yu. (2021) Approaches to establishing ratios of organizations’ investment attractiveness indicators. In: Treshchevskiy, Y.I. and Golikova, G.V. (eds.) Problemy i perspektivy sovremennoy ekonomiki. Sbornik statey. Voronezh, Istoki, Vol. 7, 143–153. (In Russian)

Surzin, M.A. and Kosobutskaya, A.Yu. (2020) Factors of company in-vestment prospects. In: Treshchevskiy, Y.I. and Nikitina, L.M. (eds.) Management of changes in socio-economic systems. Collection of articles of the nineteenth in-ternational scientific and practical conference. 4th July 2020, Voronezh, Russia. Nineteenth issue. Voronezh, Istoki, pp. 229-235. (In Russian)

Sysoeva, E.F., Gavrilova, A.N. and Popov A.A. (2018) Finansy organi-zatsiy (korporativnyye finansy) [Finances of organizations (corporate finance): learning guide]. Moscow, KNORUS Publ. (In Russian)

Terlovaya, V.I. and Sorokina, E.S. (2020) Company Investment Attractivity Monitoring. Scientific Bulletin: finance, banking, investment. (1 (50)), 112–120. (In Russian)

Treshchevsky, Y.I., Gerasimenko, N.A. and Abdalkhusseyn A. (2015) Tools to increase the investment attractiveness of the regions of the Russian Fed-eration. In: Innovative approaches to solve socio-economic, legal and educational problems in the development of modern society. Proceedings of the 1st interna-tional scientific and practical conference. 25th November 2015, Voronezh, Russia. Voronezh, Voronezh Economic and Legal Institute, pp. 97–105. (In Russian).

Fomina, Е.Е. (2018) The potential of the method of classification trees in the sociological information processing. Journal “Humanities Bulletin” of BMSTU”. (11(73)), 1–12. DOI: 10.18698/2306-8477-2018-11-574. (In Russian).

Fedorova, E.A., Chukhlantseva, M.A. and Chekrizov D.V. (2017) Nor-mative Values of Financial Stability Ratios: Industry-Specific Features. Manage-ment sciences in Russia. (2), 44–55. (In Russian).

Chernik, A.A. (2014) Identification of the normative value of the financial stability coefficients for various types of economic activity in the application of certain policies of financial assets. New technologies. (3), 89–97.

(In Russian).

Chernyshova, O.N., Fyodorova, A.Y., Cherkashnev R.Y. and Pakhomov N.N. (2015) Improvement of methods of the assessment of quality of potential bor-rowers by the credit organizations: modern experience. Social-Economic Phenom-ena and Processes. (8), 152–161. (In Russian).

Breiman, L., Friedman, J.H., Olshen, R.A., & Stone, C.J. (1984). Classi-fication And Regression Trees (1st ed.). Routledge. DOI: 10.1201/9781315139470.

Glotova, I.I., Tomilina, E.P., Doronin B.A., Klishina, Yu.E. and Uglitskikhl, O.N. (2019) Investment Attractiveness of the Company: Definition Approaches and Assessment Methods. In: Romm, M.V., Vihman, V.V., Ryazanova, T.A. and Kuznetsova, P.E. (eds.) Advances in Social Science, Education and Humanities Research: Proceedings of the International Conference on "Humanities and Social Sciences: Novations, Problems, Prospects" (HSSNPP 2019), 05–06 March 2019, Novosibirsk, Russia. Atlantis Press, 843-848. DOI: 10.2991/hssnpp-19.2019.162.

Huang, Y.P. and Yen, M.F. (2019) A new perspective of performance comparison among machine learning algorithms for financial distress prediction. Appl. Soft Comput. 83, 105663–105677.

Jan, C.-l. (2021) Financial Information Asymmetry: Using Deep Learning Algorithms to Predict Financial Distress. Symmetry. (13), 443–467. DOI: 10.3390/sym13030443.

Konvisarova, E.V, Levchenko, T.A. and Shcherbakov, V.V. et al. (2020) The impact of regional investment attractiveness and management accounting tools on investment activities of enterprises. LAPLAGE EM REVISTA. 6, 320-325. DOI: 10.24115/S2446-622020206Extra-C671p.320-325.

Loh, Wei-Yin (2011) Classification and Regression Trees. Wiley Inter-disciplinary Reviews: Data Mining and Knowledge Discovery. 1, 14–23. DOI: 10.1002/widm.8.

Melnyk, O., Adamiv, M. and Smereka, L. (2018) Diagnostics of investment attractiveness of business entities in conditions of European integration. Economics, Entrepreneurship, Management. 5, (1(9)), 15-22.

DOI: 10.23939/eem2018.01.015.

Popova, A.L, Kosyakova, L.N. and Kosyakov, N.N. (2021) Investment Attractiveness of Agriculture in Contemporary Conditions. In: Bogoviz, A.V. (ed.) The Challenge of Sustainability in Agricultural Systems. Lecture Notes in Net-works and Systems. Heidelberg: Springer International Publishing, 759-766.

DOI: 10.1007/978-3-030-73097-0.

Ritschard, G. (2013). CHAID and Earlier Supervised Tree Methods. In: McArdle, J.J. and Ritschard, G. (eds.) Contemporary Issues in Exploratory Data Mining in Behavioral Sciences. RouteledgeEditors.

Опубликован
2021-09-30
Как цитировать
Кособуцкая, А. Ю., Суржин, М. А., & Равуанжинирина, А. В. (2021). Инвестиционная привлекательность предприятий: оценка на основе построения деревьев классификации. Вестник ВГУ. Серия: Экономика и управление, (3), 43-60. https://doi.org/10.17308/econ.2021.3/3601
Раздел
Экономика, организация и управление предприятиями, отраслями, комплексами

Наиболее читаемые статьи этого автора (авторов)