Среди существующих характеристик финансового состояния предприятия особое место занимает трехкомпонентный показатель типа финансовой ситуации (степень покрытия запасов собственными источниками), который учитывает некоторые статьи баланса, редко используемые при обычной оценке финансового состояния. Поэтому для установления важности данного показателя предлагается перейти от дискретного трехкомпонентного показателя к непрерывному показателю – коэффициенту достаточности покрытия запасов собственными источниками средств и провести корреляционный анализ связи последнего с результатами скорингового анализа тех же предприятий. Чтобы учесть влияние трехкомпонентного показателя на общие результаты оценки финансового состояния, разработана методика учета его влияния на примере показателей структуры капитала, т.е. расширено множество учитываемых финансовых коэффициентов за счет введения дополнительного признака – упомянутого коэффициента достаточности покрытия запасов собственными источниками. Сравнение оценок обобщенного показателя структуры капитала до и после расширения за счет коэффициента достаточности в нечетко-множественной форме позволяет определить рекомендуемые области применения предложенного подхода.

финансовое состояние, степень покрытия запасов, обобщенный показатель, метод анализа иерархий, скоринговый анализ, коэффициент корреляции

1. Бердников В.В., Гавель О.Ю. Сравнительный анализ подходов прогнозирования вероятности банкротства коммерческих организаций // Наука и Мир. 2014. № 8. С. 92–96.

2. Bordeianu G.D. et al. Analysis Models of the Bankruptcy Risk // Economy Transdisciplinarity Cognition. 2011. V. 14. № 1. P. 248–259.

3. Косьмина О.И. Сравнительная характеристика различных методик диагностики финансового состояния предприятий // Сборник научных трудов СевКавГТУ. Серия: Экономика. 2010. № 10. С. 21–28.

4. Алферина О.Н., Казакова С.В. Анализ структуры капитала и повышение финансовой устойчивости предприятия // Инновационная наука. 2015. № 6. С. 4–11.

5. Polyakov K., Polyakova M. The role of financial factors interactions in the capital structure determination // Journal of corporate finance research. 2015. № 4 (36). P.17–25.

6. Witten I.H., Frank E., Hall M.A. Data Mining: Practical Machine Learning Tools and Techniques. Burlington, Massachusetts: Morgan Kaufmann, 2011. 664 p.

7. Chambers. J.M. Software for Data Analysis. Stanford: Stanford University, 2008. 514 p. doi: 10.1007/978–0–387–75936–4.

8. Saaty T.L. Relative measurement and its generalization in decision making why pairwise comparisons are central in mathematics for the measurement of intangible factors the analytic hierarchy/network process // RACSAM – Journal of the Royal Academy of Exact, Physical and Natural Sciences. Series A. Mathematics. 2008. V. 102. № 2. P. 251–318. doi: 10.1007/BF03191825

9. Хорев А.И., Бухарин С.В., Баркалова И.И. Обобщенный показатель и классификация структуры капитала промышленных предприятий // Вестник ВГУИТ. 2017. Т. 79. № 3(73). С. 187–193.

10. Бухарин С.В., Мельников А.В. Кластерно-иерархические методы экспертизы экономических объектов. Воронеж: Научная книга, 2012. 276 с.

11. Бармин М.А. Вероятностная модель связи конкурентоспособности предприятия с параметрами интеллектуального капитала // Вестник НГИЭИ. 2016. № 9 (64). С. 155-161.

12. Игошин А.Н., Черемухин А.Д. Особенности воспроизводства человеческого капитала в контексте оценки эффективности работы организации // Вестник НГИЭИ. 2017. № 5 (72). С. 96-113.