Research of Default Risk Level of Russian Energy
DOI:
https://doi.org/10.14529/mmp190215Ключевые слова:
энергетика, энергетический бизнес, дефолт, вероятность дефолта, инвестиции, риск, logit-модель, моделирование.Аннотация
Либерализация рынка электрической энергии активизирует борьбу за инвесторов на отечественном энергорынке, для которых важным критерием является финансовая устойчивость энергокомпаний. Статья содержит математическое моделирование комплексной оценки уровня дефолтности российских энергетических компаний с учетом их специфических характеристик: сферы энергобизнеса, формы собственности и региональной принадлежности. В основу исследования положен отраслевой подход к диагностике дефолтности энергокомпаний, основанный на logit-модели и оценке значимости включенных коэффициентов. Комплексность данной модели обусловлена изучением внешних и внутренних финансово-экономических показателей, а также качественных критериев на основе введения tdummy-переменных. Предложены четыре группы дефолтности отечественных энергокомпаний. Использование инструментария математического моделирования повышает точность оценки финансовой несостоятельности субъектов хозяйствования в сравнении с традиционными методами, что отражает новизну, актуальность и практическую значимость предложенного подхода. Достоверность результатов исследования подтверждена практической реализацией. Разработанную методику рекомендуется использовать при оценке текущего состояния и разработке стратегии развития отечественных энергокомпаний, а также инвесторам и аналитикам в процессе принятия финансовых решений.Библиографические ссылки
Mokhov V.G., Chebotareva G.S., Khomenko P.M. Modelling of “Green” Investments Risks.
Bulletin of the South Ural State University. Series: Mathematical Modelling, Programming
and Computer Software, 2018, vol. 11, no. 2, pp. 154–159. DOI: 10.14529/mmp180213
Sorland B.F., Rudel M.G.N. What Drives Financial Distress Risk and Default Rates of
Leveraged Buyout Targets? Empirical Evidence from European Transactions, Norwegian
School of Economics, 2015.
Varotto S.E., Silvia E., Farah H., Toledo T. Modelling Decisions of Control TransiTions and Target Speed Regulations in Full-Range Adaptive Cruise Control Based on
Risk Allostasis. Theory Transportation Research Part B-Methodological, 2018, vol. 117,
pp. 318–341. DOI: 10.1016/j.trb.2018.09.007
Minal S., Sekhar C.R., Madhu E. Development of Neuro-Fuzzy-Based Multimodal Mode
Choice Model for Commuter in Delhi. Intelligent Transport Systems, 2019, vol. 13, no. 2,
pp. 293–251. DOI: 10.1049/iet-its.2018.5112
Khaidarshina G.A. Integrated Model to Assess the Risk of Bankruptcy. Finance, 2009, no. 2,
pp. 67–69.










