Сущность многофакторных моделей прогнозирования банкротства и их наиболее значимые показатели

L#3e��\��n&p���lύ큣k��A���E��{�ٰ�f��ڜ�m�aG� 팃DDTa�LI6�� A�zS/m�4�M��5u�O���Ϳ��%��%�u�D�5$-;3�� ��^W;²�W��ꇟ���$��r��J��d�U.)՘/����_���6�L���h�;L�`��٭��F)� ~lи�BF�u�v�|]�x��:�p�d�2A”��q�Q”��Vn�i�8��u����A3祒�y��?h�&�W�h��o��5� �L������w���ҫ�;�KUb���ëL�i

P{�p���<��x⫒dhf”}�6{�dž:Ld2����6G/�j �F�8i�����Oa�|g!Co�)d��Cx߻⋉�Ų|Y?��^ �p�����fms��Sgb��\r����~;�5�r��P�J��p�e�;p�H:��&�2�;�x��3h�^�f”��H�NHm��.�Dj ����6�dX%y��C��W�{�:��ϟ�����a�<��Z�*.���������r�5|�Ч��ߒ�Xm�֕lT���O��ק����ޟ�uﴬ_�8���j�|�mtڭ�����@�����`))L�A���혒MM��t�\HX��ֿ��y}ܝ�{UB6m��֯͗�v�ߝ�U�G��V5��zݟw��.�j��v�ZnT����ܛM�=������o����t;�޴ �ᄌV��U��ٮ�ﻛg/^�x�9UH�w�<�Xw�#�&+@3��q����� 0(�h- endstream endobj 32 0 obj <stream h�2�T0P���w���/ .HLNq����Avv�%��%�% �`CKK��[~^ P,$�P���$d�&P�1�me��0�E���%��.n�!�%�vv�#t endstream endobj 33 0 obj <stream hޜ�wTT��Ͻwz��0�z�.0��.


DOI: 10.1016/j.iimb.2018.08.007

6. Крупенина Д. А. Сравнительный анализ моделей прогнозирования банкротства. Территория науки. 2019;(3):77–83.

7. Федорова Е.
А., Довженко С. Е., Тимофеев Я. В. Какая модель лучше прогнозирует банкротство российских предприятий? Экономический анализ: теория и практика. 2018;392(41):32–38.

8. Rybarova D., Braunova M., Jantosova L. Analysis of the construction industry in the Slovak Republic by bankruptcy model. Procedia — Social and Behavioral Sciences. 2016;(230):98–306.

DOI: 10.1016/j.sbspro.2016.09.038

9. Marcinkevithiusa R., Kanapickienob R. Bankruptcy prediction in the sector of construction in Lithuania. Procedia — Social and Behavioral Sciences. 2014;(156):553–557.

DOI: 10.1016/j.sbspro.2014.11.239

10. Федорова Е. А., Гиленко Е. В., Довженко С. Е. Модели прогнозирования банкротства: особенности российских предприятий.

Wb@�c����O���{89�4x2K����*��)����R�`&���I���U��3t���^�H�4_�4�z[�H�%\&!���hI �J��nҧ}�� �?ꔏK:қ�i��54}z���ɍ}OJ�4�-m�[~������*3�V��KS�dZ�)���L���K�{o��x�V�i7��T��z:�ק� M��}���t��Z�ܓ0�-�L��$\BDB�U&�ʔI(� %�H(�LB’!fO*�O���n��O+.�N]���Ӕ�Ɣ�m’}�w@�Y(c��.�@��Y�0r�a�1��dL~ ��Ξ ���Ϩ��̈́j�z����/�Pm�X;���{��|X�Pm嚄����ݩ�i��W�p�$�pa�\��F�}k�{�?���ѧ�;T�����8�է��84}�\��i���txf�”� �2�V�L:�X’�D;f� ��O[��N�il���Ӷ�+������T�*���)�0R�������_H�,^i�w�Kj1�wj���Yѕ�b�T�7�s-s��̢�Oc����V-�AQ��A�L� a�C�X�7�F�/��,���T�;?��ï��u���C��!9�����FH�]eZ�Ə2ߝHc�;�H̉8t�حK�-��K��”��Y`1M”�S�)��y�w��<\BDD�Uf�ʔ�(�%��(��F�#�R��}J�a���L�̜’�UL,�����a8�����w�V��љ� �ٸ���B��ƕ)�Q0%6J(�Q���|�F7~8�V�[(�Z�s�~�j�C��A+��aЊS��w��i�n]DgU٢��l���%D�Ze~�L���)�SB�������~8?k����E+éi�0|y*kŐf�x��f�ش@�#�Iq�Tx”a�’��JB�U”�ҔH(�V�h%� %�&��Y��]+��84��#1��7����4�V�ke�׸R��Ub�g��o�Jt�$R����DD��w|V���/5��_�H��”L.
GA�S�E���j���B^�W_!:��J�\�+@�WJPl�ʐ*<�ݪ��a�]�’I��Z��f��#�! �N��?Jޢk_����$g܄�{� ��n��[���� �zQHy�5�WiY�:��]’�b�t����=��N�_�’����u�ʝ��s��dY(-�����Ί���_��Q�&�j��|MM�1��v�n��D�ĝ.*�hY�7*|4*W�եn��b’.�0�/ Y)��u����᥆��R��٥�q�%��FBo�4�ސَB��I@st1���s ;� �1���=e��������ج空�H��#.�V+�j2N(�0$�h,2o�é~��])�0�C� t�x��@�!�����%kΨ� ,9�P�]��N��=�����z�/��tzem��f��yk^�u��n-*v��vV��ؾ���������P*a���}/o��������T�U8�_,���W�\ 64G��L���LL)�<����<��v�=�I�)�S��M�/�Z I@W��w� ��� �������y�{1C���nF��s��nGl�’���+�[��n3��/)�0a8f�d������#g 3�é��ǫ�b��Ȟ/�—�8��hnchnEpXi�|Ns�v�}�C�{�z8洛|qG���<��$B�ӻ�#\p����K�b��1CN��!V؆��,��<��sA�s�,�”��H@��q=����vʎ�(_�Y�Xg��ts�D�S3��Ln/S��&+��5fJ����F�H�����@k ‘b�u-�{.������O��7O�:¬��#��?j|IY�<+�Lx@��4���)����x�L M��p��/�mH��7���@5h�%��b!�a��’����0��t�yR����ۥ bجc9���q��b5�,��Csr:YO�I�N2������’L�d��/F+�r����Յ����fJ6447�m�R�ϖT̆n�.
1.

Пилюгина А. В., Каширцева А. П. Проблемы финансового управления строительной отрасли. Экономика и управление: проблемы и решения. 2015;(2):58–62.

2. Shi Y., Li X. A bibliometric study on intelligent techniques of bankruptcy prediction for corporate firms.

Heliyon. 2019;5(12):1–12. DOI: 10.1016/j.heliyon.2019.e02997

3. Карминский А.М., Бурехин Р. Н. Сравнительный анализ методов прогнозирования банкротств российских строительных компаний. Бизнес-информатика. 2019;(3):52–66. DOI: 10.17323/1998–0663.2019.3.52.66

4.
Agustia D., Abdi Muhammad N. P., Permatasari Y. Earnings management, business strategy, and bankruptcy risk: Evidencefrom Indonesia. Heliyon. 2020;6(2):1–9. DOI: 10.1016/j.heliyon.2020.e03317

5. Khushbu A., Yogesh M. Efficacy of industry factors for corporate default prediction.
IIMB Management Review. 2019;31(1):71–77.

LB�,��v��ʹ(*E?6�S��b˳�ٻ���<�^���f��v���S�Sl �s�=�i;���#]8U�95��.w��i7�ctKMv��;b���-� -��I���� I�Lu���L���XϻEr�Z��xf�z��I�oH�[���=j�Rܠ��a��2qOb���j��Yd h���<���xE*����&/����.��mЅ���|/����k:fD^�ޓ�vn26�Hd�%�抎��<h�+�34���Ц�I�?<����B$1VL�d�І�P��)�|8�i�Í��Q��������R\y���n`O�R��wG��@��x�vHN��j�+���J8� �R$X3�Fw�ߏ�V`��ɇ���Pѩ)3�b*Ώ�֊�rw�� j�K��oeL$��)c� ko�¯=9kI��.���m���u�����]��X�$��6w�)�&�� �D��ꑗ^ڜ�@#Dh+�AcѠ9�� e�l�B�5}�&���It��S��lܡ`�Ce�\�,.�Ju��61̡~��ŋ S3`S��.�M�Z)�7&�06\��^”��ڗkf:�m������ťLOF����S@;��� K��6�� �r��4$��X���ޮ�h���:� V˒�遱���=z����lV�5N���Q������;q֕(��I��� a�O] ��;:”P�}���Sfo�����%|���g1O��F���ݟ��ݻX78@7q��R�ʧCץhW�[“].PO�I%�8�����1�K+���#X,Q�� ac�R�Ul6I� Y���R(���j’?㧕��E�r����~��@x���#�9V�\��v̡ZEB�:TLL��d։�_hbʲ�Mrp�^9vvk��ch���*Fd�A7,{ � �b9j��u ��4�X�K9Y��ݽp��1jɕ�UJ�E��O”y�ؕ�C�,��y�F:�gf�b���*|X���L�R:�p��T3���� �n�PޢE�ʼ����:�RW�.
DR�s�HB��#�^;�’�J�3��×�I�Y#��#Z�s����B�ZrT�T�?�j�K��$�o�p��,iuf�znkέ���Cc q��f����)�[� R���N�m�.j�h��������4kj��r�jߐnG��D�<���9′,Ϲ����p�応G-G�w稆�8�N^J!!�?�3���q���T���&O�e Mi��eu3�~�eR������jm�Cl�[^�GY�̴r6Y�r�Z�’Y -$�e�v’oW�ʲ��3Rhr�IO{��GN�e\�<������Mg��wA1�M����a�pЋ� \��<2\�t��ۙY�a����ì��B�w��p�ٜ�Co;ć�碾�w]_1��$�Ĉ~9��������΍���j���1�•��7h�vL_ѫ8?�bNr��B��^�P� o����B””}��-�GV����4����29���� 0pg� SW���.V��:{8��#Ѭ�jXL4�N]���m7��X�u����W�n�R0�~O�_�^<���n�6�PfQ�/�B�G�DE��=��p�”39��;�2Rxq��n�ǚccLZ�=(�}�0#u���6���|{��� ��~����- �+�&7(�(�(�y�����q�t=C��|\���;�1���J�,��jj���E=�gɑ���”rz;”l}l�[�-���������q#�c4���hT~�+h�� ٞP��]�+�0,b.�����”��NȮY�iz;���f�’��S=/��mLev�F�͵��{߻�ԼtGd��wHD�k`in�\�g_\Φ�BHNj��}�޳뷞��[G�*����6�OJ�-�A}Q{H|h��t����3�T�X��QFF��m�śH�z��7Ҋs�I� ���9a�’�ь�”C��kȱ=�#E#8�����h���Z_X]t�#7vi��”o�m�����r���\���z����:D3T{]��0�X���i�[Rn�̱.
Q�y�z�%\N2��^&Eu�}NU�����KUuuw�T/�=�M��L0�,��� � �� 1(*(�n��(“:��D$���z�r�����qD�r�4�9�݀����U�3��~�{��ph”F�s��m���yҺ�nb����’a`Z,3�.J%J����D+��”��”��sO�Do$t9���EG�A.&�|�\T�?��3`�� ۋ� �0�����P*^���.xݹ*�s8���u���9���-\�[�’W�?�Q*̨�`B��T”S߆�oq*�g�F�`h”f�(�R�\�gk�UXQ����;+gZt��H�bj�òY�J-�����U���q�z�K�/�ٚ@�ލq_\w=M����)��q���]u�s�m��g1s� 9H�VCل� *@h5 T�w���5!u�~O�?�*���Nf\�|S#�n�5 ���A٬:g@r1�w� ���U�K��k0V]=�|���z�s?�Ƅ��f�j�a��^�qY�_�q/9e�” x�-՟gU._��ڝrV(�<6���R�\:��A�T��(���j:� |�!:iN�;ƌ�\�6L�QB��g0�4:S0�s+�*�ʈ�!p�5��9yF�8~��8.��P�qöK�a��ý�]a��b�L8,X�o�V/Em<���Sr3������t��7�w‡];���ˍ$��x����T�h�w�c@(途��k-����<9�etiD�q��]� � �L G”���E��H�Se�dN���;�v�����J�e#v���G���B��(��MN’c`��˘�_���� �В|9������`8X�md����ppV�}�� �����a�|^���#Ѽ�aVaX<%b����&*�F��U”V�@�C}R�r��:j�(��\{�”�j�^��Է?�.J!i�<�ױ:9+1c�z�K8�]3’�gK��<0’6��u(��c�pd�ʫ�BW۪iE��uP8�ȣC:����+�j�#��2���� �.
Проблемы прогнозирования. 2013;137(2):85–92.

11. Федорова Е. А., Федоров Ф. Ю., Хрустова Л. Е. Прогнозирование банкротства предприятий на примере отраслей строительства, промышленности, транспорта, сельского хозяйства и торговли. Финансы и кредит. 2016;715(43):27–32.

12. Qu Y., Quan P., Leid M., Shia Y. Review of bankruptcy prediction using machine learning and deep learning techniques. Procedia Computer Science. 2019;(162):895–899. DOI:10.1016/j.procs.2019.12.65

13. Большакова О. Е., Максимов А. Г., Максимова Н. В. К вопросу о прогнозировании состоятельности и вероятности банкротства предприятий малого и среднего бизнеса.
Финансовая аналитика: проблемы и решения. 2016;290(8):47–62.

14. Ковшова М., Ларина Л., Насирова А. Сравнение отечественного и зарубежного опыта оценки финансового состояния предприятия. РИСК: ресурсы, информация, снабжение, конкуренция.

M��il�\�0���O�1��tj����24�)QA��-�un�l�� a��75I�K�I �MƧ��54�x��������ne-Ѩ�x�q�,��IA�� ����u�ZbJ��d�nI��I��0O�7b_ޏ/�`�T�w`�8r0�d�6��� n9���ޥ�~��n?��jq�4K�n�*2F[�Q��n���#��v�D�Pc&�i�U�!��%�gə4en���<��$ ��%E���NIم��;�ϔ;��P�bU�2���]�F��#�i�K��W��vو���y�G2��.��ɚ#@�(]tRc֐�7� U=P���D��-���籯���9�cv�{��7 �<���(ţI˩��yK��e������”�NCĦ��W�/� ��i�.ُN��J�)|gB@�� 6<��2)�AY�AM+�C��TM��(�a��_,!{�j��q j�’fc���C�X�J��3׏[�J�HQP�&�6_�Rf�”�!�P��en��p�^���-��DS��86m�YV��6�wFC)�5P�xG��*ՙq��=��@���(�k�I�]���݇�6K����y�� ‘���B�E�Ǝ.��(u�r�e�4dr��R�q�װ����Ko^垄Y�”�C�}�!չLɛ H�G{C{uI��i�<��Լ�q���’�+� �ӏ�,�\�(j’�i�k� �w��k�B�����BōhW; ��{��^�;���’bhn���x�|��Z�Z/��s�����Vʦ����}_�o�b]���^ʀ2�fpa�’�f�~���I����F��#��������|�u���ߣ�[e!���K�F���K��� Z�q���- �K�X����&=d���� �����!#0����8$���_P��ؖ�=l�$��� �Z����.�I�LUi�c��Z�MH�[�{X ��v��*z�1; �F%8+u����A�� �.�9Q�vUC�/�1A”̖Є��l�E(j5��Y\���b����% � .
Zv��Or��]+�o�.��3�6z�z”^@���k�d�/9��-S��A��W< F���������ڠ ������D~-6m�f�M��/I�XV�pi3�P�K��Թv�Q}�+Z���_r�I��B�p�+:�?�V�ɍ���� L ��m�Y]?W��K�|�”�C��}[]�z�,���K���KZ����� {��#6��n��I�u��fף��1���D�f���scM7��X��Ǐŋ7�����2’oY��В���=����%�Y� ́�*�¹�e��� 뮵�� �1��EG�;�1�=�M�w �x����Q�6�*ݶU�L��:ڙ�^� �֙&�|n֌��!��lL������}Gw��SyL_�0�H�*bg”bـ4zܲ�SL�޳3��2��}�����U ~�ؕ{��zIq�J ��Q���e����Dw�LF&q”XUХ��{�q�~�(eM�h0��B2�X#R6QfR�tM��]�2d��m����N#���1����E.�?R\�e�NJ�=��Na�C�,�Ґ�T�UrG+@��t�t�g�s�ZYgU�����w�,;2 �9�<��6��x�t�Ӏe1y�\��K�з�S�ReG��A���8�8{��S������jr�V��Ձ⑃��j��ډ9�����ٍ��j^TLwjS%J���M�C��a+�����b��U|휂-�=M�U��d�_��P�����àg�@�:�0��U�q�6n.���{f&�gc�/���c�ZQGҔ�蕆Q'<��&�Z5���A���=L7x�,UTۇs�h݃������Շ�?�o��[� J����ј��ڰ���lbb�S�������$��B�q���1�4uX�DM��H�:��S��4���YEecW�5����C��d�ct�U�OSu� ��U�/؎z���G�F~���viN�_Q��N\�����Cc�+y�X*��s�[�D�V�’VE�L}@P�&�S��K��h.

Leave a Reply

Your email address will not be published. Required fields are marked *