Прогнозирование банкротства авиакомпаний: глобальный рынок

Аннотация

Авиакомпании подвержены множеству внутренних и внешних рисков, а также оказывают значительное влияние на мировую экономику, отвечая за мобильность населения и движение грузов. Несмотря на значимую роль, отрасль гражданских авиаперевозок является низкомаржинальной, а финансовая устойчивость авиакомпаний часто находится под угрозой.

C начала осени 2019 г. в Европе растет число авиакомпаний-банкротов. Так, количество перевозчиков, заявивших о неспособности исполнять обязанности перед клиентами из-за финансовых проблем, в первом месяце осени достигло пяти авиакомпаний: «Thomas Cook Airlines» и «Thomas Cook Airlines Scandinavia», «Aigle Azur», «XL Airways», «Adria Airways».

Ввиду значительного числа банкротств авиакомпаний и негативных последствий, связанных с их дефолтами, стоит вопрос определения эффективных методов по прогнозированию вероятности банкротства для применения превентивных мер контролирующими органами и заинтересованными лицами. Авторами работы были исследованы методики предсказания банкротств предприятий, с акцентом на авиакомпании, и произведено сравнение классической логит-модели и байесовской квантильной регрессии на данных из отчетности авиакомпаний за 2009–2018 гг. В исследовании впервые рассматривается возможность применения математических моделей для прогнозирования на глобальном рынке авиаперевозок, агрегируя компании по трем укрупненным географическим регионам. Итогом работы является модель, учитывающая в себе показатели Net Income, Quick ratio, коэффициент загрузки, оборачиваемость активов и географическую принадлежность компании, дающая точность предсказания до 90%. Данная модель, учитывающая ограниченный набор финансовых и операционных метрик, легко может быть применена контролирующими органами и другими заинтересованными сторонами (контрагентами) для преждевременного выявления дефолтов авиакомпаний ввиду простоты реализации и доступности большинства данных в открытом доступе без подключения к специализированным базам данных.