Существует большое разнообразие моделей прогнозирования банкротства, начиная от того, сколько и какие факторы учитываются, и какие методы используются для разработки модели. Например, модель Altman's представляет собой пятифакторную модель многофакторного дискриминантного анализа, тогда как модель Boritz и Kennedy's представляет собой 14-факторную нейронную сеть. Количество факторов, рассматриваемых в других моделях, варьируется от одного до 57.
Дискриминантный анализ был очень популярным методом разработки моделей на ранних стадиях прогнозирования банкротства. Однако благодаря достижениям и технологиям другие методы включая логит - анализ, пробит - анализ и нейронные сети, стали более заметными. Кроме того, некоторые модели более узко сфокусированы, чем другие модели.
Ранние исследования, касающиеся анализа соотношений для прогнозирования банкротства, представляли собой одномерные тесты. Они были посвящены отдельным показателям, а иногда и сопоставлению показателей несостоятельных компаний с показателями успешных фирм. Одномерные исследования имели важное значение для разработки будущих моделей, поскольку они заложили основу для многомерных моделей прогнозирования банкротства. Соотношение оборотных средств к совокупным активам представляется более ценным показателем, чем текущий коэффициент, несмотря на то, что оба показателя являются хорошими показателями слабости.
FitzPatrick сравнил 13 соотношений несостоятельных и успешных фирм. Он обнаружил, что в подавляющем большинстве случаев успешные компании демонстрируют благоприятные показатели, а несостоятельные фирмы - неблагоприятные по сравнению со "стандартными" показателями и тенденциями.
Двумя значимыми коэффициентами являются отношение чистой стоимости активов к задолженности и чистой прибыли к чистой стоимости активов.
Высказывалось мнение, что для компаний с долгосрочными обязательствами меньшее значение следует придавать коэффициенту текущей и быстрой ликвидности. Соотношение между оборотным капиталом и совокупными активами намного лучше прогнозирует финансовые проблемы, чем соотношение денежных средств к совместным активам и настоящей стоимости активов.
Также было обнаружено, что по мере приближения банкротства компании снизилось отношение текущих активов к общим активам. В 1942 году Merwin опубликовал свое исследование, посвященное мелким производителям. Он сообщил, что при сравнении успешных с несостоятельными фирмами признаки слабости проявлялись еще за четыре - пять лет до неудачи.
Кроме того, Merwin обнаружил три показателя, которые являются существенными индикаторами банкротства бизнеса - отношение чистого оборотного капитала к совокупным активам, коэффициент текущей ликвидности и отношение чистого собственного капитала к совокупному долгу.
Для прибыльных фирм выше, чем для убыточных: соотношение текущего и чистого оборотного капитала к совокупным активам. Кроме того, прибыльные фирмы имели более низкое отношение долга к стоимости активов, чем убыточные фирмы.
Исследования показали, что одним из важных показателей финансового спада является отношение оборотных средств к совокупным активам. Важным коэффициентом был также признан текущий коэффициент, однако некоторые исследования показали, что текущий коэффициент не столь полезен, как соотношение оборотных средств к совокупным активам.
Со времени исследования Altman's, количество и сложность моделей прогнозирования банкротства резко возросли. Многие исследования определяют неудачу как фактическое заявление о банкротстве или ликвидации; другие определяют неудачу как испытывающий финансовый стресс или неспособность оплатить финансовые обязательства. В некоторых случаях дается определение термина "неудача”. Такое расхождение в определении понятия "неудача" может привести к определённым последствиям.
Трудно сравнивать модели, однако, в целом, модели прогнозирования банкротства рассматривают банкротство как окончательный "провал".
С 1968 года основными методами, которые используются для разработки моделей, являются многомерный дискриминантный анализ (MDA), логит - анализ, пробит - анализ и нейронные сети. Ранние многомерные модели в основном разрабатывались с использованием MDA. MDA классифицирует фирмы по группам - банкроты или не банкроты, на основе характеристик каждой фирмы (соотношения/факторы). На основе наблюдений рассчитываются коэффициенты для каждой характеристики (соотношения).
Продукты соотношений и их коэффициенты суммируются для получения дискриминационного балла, позволяющего классифицировать фирму. Логит - анализ и профильный бит - анализ стали появляться в конце 1970-х годов, но не обогнали MDA по популярности до конца 1970-х годов. Эти данные учитывают вероятность того, что фирма обанкротится.
Основное различие между этими двумя методами заключается в том, что профессиональный битовый анализ требует нелинейной оценки. В конце 1980-х годов, нейронные сети стали появляться и в 1990-е годы стали основным методом, используемым в исследованиях. Нейронные сети предназначены для имитации функции распознавания человеческого образца. Существует несколько различных типов нейросетей.
В основном, нейронные сети анализируют входные данные, чтобы найти закономерности и разработать форму, способную запустить процесс принятия решений. Несколько примеров дел ведутся в режиме "обучения", в ходе которых сеть "учит" процесс принятия решений. Режим "тестирования" используется для того, чтобы проверить модель нейронной сети, используя данные выдержек из выборки.
Несмотря на различия в моделях прогнозирования банкротства, эмпирические тесты в отношении большинства моделей демонстрируют высокую прогностическую способность. Это наводит на мысль, что модели были бы полезны для многих групп, включая аудиторов, менеджеров, кредиторов и аналитиков.
Однако, как представляется, модели прогнозирования банкротства не используются на практике в отношении широко распространенной основы. Кроме того, несмотря на огромное количество литературы и форм были разработаны, исследователи продолжают искать "новые и усовершенствованные" образцы для прогнозирования банкротства. С учетом количества схем, уже имеющихся в наличии, и очевидного ограниченного использования на практике возникает вопрос: Почему мы продолжаем разрабатывать новые и отличающиеся друг от друга технологии модели для прогнозирования банкротств?
Бытует мнение, что будущие исследования должны быть направлены на использование существующих видов прогнозирования банкротства, а не на разработку новых схем. В наличии имеется более 150 образцов, многие из которых обладают высокой прогностической способностью.
В будущих исследованиях следует рассмотреть вопрос о том, как эти могут быть применены и, при необходимости, доработаны. Исследователи должны учитывать тот факт, что большое количество факторов не обязательно увеличивает способность модели к прогнозированию. Использование слишком большого количества коэффициентов может сделать модель менее полезной.
Наконец, будущие исследователи должны попытаться установить более тесную связь между исследованиями и практикой, подобно другим областям, таким как инженерия и медицина. Модели прогнозирования банкротства могут быть очень полезны на практике при условии, что они получат надлежащую информацию от аудиторов, менеджеров, кредиторов и аналитиков.