Corporate bankruptcy and crises: analysis and trends

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

The author analyzes the official statistics on the bankruptcy of organizations for 2022 and the Q1 of 2023 and draws conclusions about the trends in the development of the crisis situation in 2023. The analysis of the main indicators allows to conclude that the number of bankruptcies in the current 2023 is likely to increase. It is noted that there is a disproportionately large number of bankruptcy proceedings in comparison with the number of procedures aimed at restoring solvency, financial recovery and rehabilitation of debtors.As a result, creditors do not receive reimbursement of their claims, which is assessed as a direct loss. In addition, economic ties and supply chains are disrupted, which negatively affects the economy as a whole. It is proposed to discuss at the legislative level the possibility of conducting a mandatory financial recovery procedure for certain categories of debtors. Consideration of data on the total number of conclusions on the presence of signs of deliberate and fictitious bankruptcy is small, which indicates a real crisis state of enterprises and organizations. To prevent bankruptcies as an extreme manifestation of the crisis, it is proposed to apply a conceptually new innovative direction for ensuring strategic sustainable development. It is the mechanism of autogenic self-generated. In other words, controlled crisis.

Авторлар туралы

Oleg Devyatkin

Plekhanov Russian University of Economics

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

Әдебиет тізімі

  1. Единая межведомственная информационно-статистическая система (ЕМИСС) - государственный источник актуальных и достоверных статистических данных, получаемых из ведомственных хранилищ данных. [Электронный ресурс]. URL: http://www.fedstat.ru/indicators/start.do (дата обращения: 16.06.2023).
  2. 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: 16.06.2023).
  3. Единый федеральный реестр юридически значимых сведений о фактах деятельности юридических лиц, индивидуальных предпринимателей и иных субъектов экономической деятельности (Федресурс). Сводные результаты процедур, применявшихся в деле о банкротстве на основе обработки сведений из опубликованных отчетов арбитражных управляющих за 1 кв. 2023 года. [Электронный ресурс]. URL: https://fedresurs.ru/news/cf80dd43-0e6f-411f-a2ed-2fa8735f5300 (дата обращения: 31.05.2023).
  4. 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).
  5. Экономические кризисы. / Большая советская энциклопедия. в 30-ти т. – 3-е изд. - М. : Советская энциклопедия, 1969 - 1986.
  6. 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.
  7. Бобылева, А. З., Львова О. А. Финансово-экономический инструментарий выявления признаков объективного банкротства // Актуальные проблемы экономики и права. – 2020. – № 1. – c. 22–39. – doi: 10.21202/1993-047X.14.2020.1.22-39.
  8. Девяткин О. В. Аутогенный кризис как концептуальная модель системных изменений // Вестник РЭУ имени Г. В. Плеханова. – 2019. – № 2 (104). – c. 182-191. – doi: 10.21686/2413-2829-2019-2.
  9. 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.
  10. Девяткин О.В. Стресс-тестирование как инструмент управления кризисными ситуациями в организациях // Лидерство и менеджмент. – 2023. – № 1. – c. 81-92. – doi: 10.18334/lim.10.1.117422.
  11. Львова О. А., Пеганова О. М. Факторы и причины банкротства компаний в условиях современной экономики // Государственное управление. Электронный вестник. – 2014. – № 44. – c. 64-82.
  12. Федорова Е. А., Довженко С. Е., Федоров Ф. Ю. Модели прогнозирования банкротства российских предприятий: отраслевые особенности // Проблемы прогнозирования. – 2016. – № 3. – c. 32-40.
  13. 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.
  14. 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.
  15. 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. – № 13(1). – p. 74-88. – doi: 10.1108/09534810010310258.
  16. Beaver W. Financial Ratios as Predictors of Failure // Journal of Accounting Research. – 1966. – № 4. – p. 71–111. – doi: 10.2307/2490171.
  17. Garcia J. Bankruptcy Prediction Using Synthetic Sampling // Machine Learning with Applications. – 2022. – № 9. – doi: 10.1016/j.mlwa.2022.100343.
  18. Jardin P. Dynamic Self-Organizing Feature Map-Based Models Applied to Bankruptcy Prediction // Decision Support Systems. – 2021. – № 147. – doi: 10.1016/j.dss.2021.113576.
  19. Robert Drazin, Lloyd Sandelands Autogenesis: A Perspective on the Process of Organizing // Organization Science. – 1992. – № 3(2). – p. 230-249. – doi: 10.1287/orsc.3.2.23.
  20. Qu Y., Quan P., Lei M., Shi Y. Review of Bankruptcy Prediction Using Machine Learning and Deep Learning Techniques // Procedia Computer Science. – 2019. – № 162. – p. 895–899. – doi: 10.1016/j.procs.2019.12.065.
  21. Shumway T. Forecasting Bankruptcy More Accurately: A Simple Hazard Model // Journal of Business. – 2001. – № 74(1). – p. 101–124. – doi: 10.1086/209665.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

© Devyatkin O.V., 2023

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».