Меню
Головна
 
Головна arrow Фінанси arrow Фінансовий аналіз для менеджерів
< Попередня   ЗМІСТ   Наступна >

Огляд діючих моделей прогнозування банкрутства

Моделі на основі аналізу фінансових коефіцієнтів

Перші кроки у вивченні можливості передбачення банкрутства компаній були зроблені на рубежі тридцятих років минулого століття. Провівши розрахунок різних фінансових коефіцієнтів у нормально функціонуючих фірм і компаній-банкрутів, П. Фітцпатрік прийшов до висновку, що в останніх більшість показників знаходиться на більш низькому рівні. Цей висновок носив в основному наглядова характер, так як в той час були відсутні які-небудь просунуті методи статистичного дослідження і тим більше комп'ютери та комп'ютерні розрахунки. Таким чином, дана праця, ставши піонером у дослідженні можливості передбачення майбутнього банкрутства на основі фінансових даних компаній, відкрив величезні горизонти для майбутніх дослідницьких робіт. Також серед перших робіт, що заклали фундамент в області завчасного передбачення банкрутства, варто відзначити дослідження Рамстера і Фостера (1931), Уинакора і Сміт (1935) і Мервіна.

До 1980-х рр. можна говорити про переважання в наукових роботах дискримінантного аналізу. У. Бівер у 1966 р. використовував одновимірний дискримінантний аналіз (метод дихотомической класифікації). Пізніше Е. Альтман, Тобто Дикин розширили його до багатовимірного аналізу (Multivariate Discriminant Analysis, MDA). Цей метод залишається досить популярним інструментом аналізу протягом тривалого часу.

Одновимірний аналіз. Модель Бівера

Однією з перших праць, найбільш тісно наблизилися до дослідження проблеми завчасного виявлення банкрутств а компанії, можна по праву назвати статтю

У. Бівера "Financial Ratios as Predictors of Failure" (1966). Він проаналізував фінансову звітність 158 американських фірм за період 1954-1964 рр. Половину вибірки складали компанії, з якихось причин оголосили дефолт за своїми зобов'язаннями в розглянутий проміжок часу. З них 59 фірм були оголошені банкрутами, інші порушили свої зобов'язання з виплати дивідендів по привілейованим акціям або погашення випущених облігацій. Також у вибірку була додана компанія, чий банківський рахунок перевищив кредитний ліміт.

Кожної проблемної фірмі була підібрана благополучна фірма-двійник з однаковим розміром активів і функціонує в тій же галузі. На думку Бівера, цей прийом дозволив елімінувати вплив ефекту масштабу та міжгалузевих відмінностей на результати аналізу.

На наступному етапі дослідження американський учений обчислив значення 30 різних фінансових коефіцієнтів за п'ятирічний період до настання банкрутства. Порівняння середніх значень коефіцієнтів у фінансово "хворих" і "здорових" компаній виявило, що для проблемних компаній характерні більш низькі значення практично всіх розглянутих показників. Крім того, їх рівень починав знижуватися поступово протягом декількох років, що передують дефолту.

Виявивши зазначені закономірності, Бівер, використовуючи прийоми дихотомической класифікації, спробував показати, що дані коефіцієнти здатні передбачати прийдешнє банкрутство фірми.

Дихотомічна класифікація (Dichotomous Classification) являє собою наступну процедуру: всі фірми в довільному порядку діляться на дві групи, потім усередині кожної групи проводиться сортування компаній в порядку зростання за певною ознакою (в даному випадку - по кожному досліджуваному коефіцієнту). Далі аналітик методом проб і помилок повинен вибрати оптимальну лінію відсікання. Всі компанії, розташовані вище вибраного рівня, класифікуються як проблемні. Отримані результати порівнюються з фактичними даними для визначення відсотка невірних прогнозів. Нерідко потрібно повторити описану процедуру багаторазово для знаходження оптимального порогового значення лінії відсікання.

До недоліків даного методу можна віднести те, що лінія відсікання вибирається після перегляду статусу фірм, в той час як в реальності цілком типова ситуація, коли аналітику доведеться приймати дане рішення в умовах відсутності інформації про реальний стан фірми. Крім того, вибір рівня відсікання проводиться на деякій обмеженій вибірці, а потім застосовується для всієї генеральної сукупності в цілому.

Для того щоб бути максимально наближеним до реальності, Бівер провів вибір лінії відсікання спочатку на фірмах з однієї групи, а потім здійснив тестування цього рівня на другий групі, і навпаки. Після розрахунку відсотка помилок між передбаченими і фактичними даними, коефіцієнт з мінімальним рівнем помилки був обраний в якості кращого провісника майбутнього банкрутства. Цим показником виявилося співвідношення грошового потоку фірми, виміряного як величина чистого прибутку після оподаткування плюс нарахована амортизація, до величини позикового капіталу компанії (Cash Flow / Total Debt Ratio).

Також високу передбачувану здатність показали наступні коефіцієнти (табл. 11.3).

Таблиця 11.3. Коефіцієнти-"провісники" майбутнього банкрутства

Коефіцієнти-

Ряд дослідників висловили свої зауваження з приводу підходу Бівера.

По-перше, "парування" фірм виходячи з їх розміру та галузевій належності цілком можливо веде до виключення з аналізу цінної інформації. Не виключено, що вищеназвані фактори можуть надавати не менш серйозний вплив на ймовірність банкрутства, що багато з розглянутих коефіцієнтів. Так, спад в одній з галузей народного господарства може призвести до повального банкрутства компаній даного сектора економіки, незважаючи на те, що багато з цих фірм до рецесії мали хорошу фінансову звітність та високі фінансові показники. У той же час, навіть більш дрібні компанії з іншої галузі, не порушені спадом і мають більш низькі коефіцієнти, можуть залишатися на плаву і продовжувати приносити стабільні прибутки своїм власникам.

Відомо, що в період спадів різко зростає кількість банкрутств. У цей період великим компаніям буде легше вижити, збільшуючи або хоча б підтримуючи обсяг продажів на необхідному рівні за рахунок активізації свого потенціалу на внутрішніх і зовнішніх ринках, в той час як дрібним фірмам це зробити не вдається. Також цілком імовірна зворотна ситуація, коли дрібній фірмі буде легше підтримувати свій невеликий рівень продажів. У будь-якому разі нехтування в аналізі галузевих атрибутом і розміром компанії - не зовсім коректно.

По-друге, зіставивши проблемні фірми зі "здоровими", Бівер створив вибірку, що складається наполовину з компаній банкрутів. У реальності, як правило, проблемні фірми становлять незначну частку в кредитному портфелі інвестора. Таким чином, навряд чи можна говорити про репрезентативність вибірки, розглянутої Бивером.

По-третє, підхід Бівера, як і більшість моделей кредитного ризику, носить ретроспективний характер. Отже, існує ймовірність, що воно не буде давати адекватні результати при зміні вибірки фірм або аналізі іншого часового інтервалу.

Множинний дискримінантний аналіз. Моделі Альтмана

На жаль, практика показала, що передбачення, отримані на базі прогнозу банкрутств фірм, заснованого на вивченні впливу однієї змінної на загальний фінансовий стан компанії, часто носять недостовірний або суперечливий характер. Едвард Альтман спробував вирішити дану проблему, досліджуючи поведінку не однієї, а відразу декількох змінних. В якості інструменту аналізу Альтман вибрав множинний лінійний дискримінантний аналіз (Linear Multiple Discriminant Analysis, MDA), який раніше застосовувався в основному в біології та антропології.

Суть дискримінантного аналізу (Discriminant Analysis, DA) полягає в тому, що цей статистичний метод використовується для прийняття рішення про те, які змінні розрізняють (дискримінують) дві або більше виникають сукупності (групи)".

До основних функцій дискримінантного аналізу можна віднести:

o дослідження відмінностей між групами;

o знаходження оптимального шляху відмінності спостережень між декількома групами;

o виключення з аналізу змінних, які вносять незначний внесок у диференціацію між групами спостережень;

o класифікацію спостережень в категорії;

o перевірку висновків теорії шляхом порівняння передбачаються і фактичних станів спостережень.

Як правило, дискримінантний аналіз застосовується при вирішенні проблем класифікації і (або) прогнозування, коли залежна змінна приймає деякі дискретні фіксовані значення або носить якісний характер (наприклад, банкрут - не банкрут).

При проведенні такого аналізу завдання дослідника полягає:

o збір даних про різних змінних (у нашому випадку пов'язаних з фінансовим становищем фірми);

o поділ вибірки на підвибірки (наприклад, на групу фінансово "здорових" і групу фінансово "хворих" підприємств);

o визначення того, які змінні з мінімальною помилкою класифікують спостереження в відповідну категорію або дають найкращий прогноз майбутнього стану компанії, тобто з найменшою похибкою передбачають, стане в найближчому майбутньому фірма банкрутом чи ні.

Більш формально "основна ідея дискримінантного аналізу полягає в тому, щоб визначити, чи відрізняються сукупності з середнім якої-небудь змінної (або лінійної комбінації змінних))?, і якщо так, то потім використовувати цю змінну для передбачення приналежності нових членів сукупності до тієї чи іншої групи. Це досягається за рахунок статистичного правила максимізації міжгрупової дисперсії відносно внутрішньогрупової. Таким чином, можна говорити про те, що "дискримінантний аналіз - аналог регресійного аналізу, за винятком того, що в останньому залежна змінна є безперервною величиною, в той час як в дискримінантному аналізі вона являє собою групи або категорії"3.

При проведенні дискримінантного аналізу дослідник будує дискримінантну функцію виду:

гдеХ1,Х2, ...,Хп - незалежні змінні (аналізовані фактори - фінансові коефіцієнти); Vl, Уъ -" - дискримінантні коефіцієнти (ваги при відповідних змінних), розрахунок яких здійснюється на основі техніки дискримінантного аналізу.

Таким чином, при побудові 2-рахунки можна говорити про фактичну трансформації окремих змінних в інтегральний показник (бальну оцінку або рейтинг). Після визначення того, які фактори повинні увійти в дискримінантну функцію, і знаходження дискримінантний коефіцієнтів, аналітик розраховує її значення для кожної фірми, тобто кожна компанія отримує свій рейтинг, який висновок порівнюється з деяким пороговим значенням, выбираемым таким чином, щоб мінімізувати помилку класифікації фірми не в ту групу.

Отриману формулу надалі можна використовувати в цілях прогнозування та (або) класифікації нових фірм у відповідну категорію. Для цього потрібно буде розрахувати рейтинг аналізованої компанії, порівняти його з пороговим рівнем і у випадку його перевищення віднести її до однієї групи, в іншому випадку - до іншої.

При дискримінантному аналізі аналітик може використовувати декілька процедур для знаходження фінансових коефіцієнтів, за якими можна зробити дискримінацію выборки2. Як правило, це:

o "Прямий метод". На основі певної економічної моделі проводиться ретельний відбір факторів, за якими будується 2-рахунок.

o Покроковий метод з включенням. При використанні даного методу побудова дискримінантної функції проводиться по кроках. На кожному кроці проглядаються всі змінні і знаходиться та з них, яка вносить найбільший внесок у відмінність між сукупностями. Це змінна включається в 2-рахунок, після чого здійснюється перехід до наступного кроку.

o Покроковий метод винятком. На початковому етапі всі фактори включені в 2-рахунок. На кожному кроці проглядаються всі змінні і знаходиться та з них, яка вносить найменший внесок у відмінність між сукупностями. Це змінна виключається з дискримінантної функції, після чого здійснюється перехід до наступного кроку.

На жаль, не існує досконалого методу, і дискримінантний аналіз - не виняток. Він базується на низці передумов, порушення яких веде до погіршення якості висновків, одержуваних з його допомогою.

По-перше, дискримінантний аналіз передбачає, що спостереження усередині кожної категорії мають багатомірне нормальне розподіл, при цьому у кожної групи однакова ковариационная матриця. В реальності умова нормальності часто порушується, особливо проблемними фірмами.

По-друге, аналітик повинен уважно підійти до вибору факторів, так як наявність мультиколінеарності може суттєво знизити якість моделі.

По-третє, лінійний дискримінантний аналіз передбачає лінійну взаємозв'язок залежної змінної і факторів. Однак світ навколо нас нелінійний, тому прийняття даної передумови визнається апроксимацією.

І нарешті, дискримінантний аналіз, як і багато статистичні методи, чутливий до вильотів. Для отримання несуперечливих і стабільних висновків вплив викидів необхідно елімінувати шляхом видалення з розгляду.

На сьогоднішній день модель, розроблена Едвардом Альтманом (1968) - одна з найбільш відомих і часто цитованих, присвячених прогнозування ймовірності банкрутства. Як вже згадувалося вище, для цих цілей Альтман застосував множинний дискримінантний аналіз. Основою аналізу стала офіційна фінансова звітність 66 американських промислових корпорацій з а період 1946-1965 рр. Як і в дослідженні Бівера, половину вибірки складали проблемні підприємства, а точніше, компанії, які подали до суду петицію про банкрутство у відповідність з Главою X Національного Акта про банкрутство. Кожній фірмі-банкруту була випадковим чином підібрана "здорова" пара, що працює в тій же галузі і має такий же розмір активів в діапазоні 1-25 млн дол. США. Всі благополучні фірми на момент дослідження (1966) продовжували нормально функціонувати. Для фірм-банкрутів Альтман взяв дані з фінансових звітів за рік до банкрутства, при цьому середня затримка при публікації звітності становила 7,5 місяця.

З кола розгляду були виключені дрібні і дуже великі компанії. Підприємства з активами менше 1 млн дол. не увійшли у вибірку із-за відсутності повноцінних даних. Що стосується великих компаній, то до 1970 р. випадки їх банкрутств були вкрай редкими1.

Для отриманої вибірки Альтман розрахував значення 22 фінансових коефіцієнтів, які належать до п'яти основних груп. Це коефіцієнти ліквідності, рентабельності, ділової активності, фінансової стійкості та левереджу. Більшість з них були обрані виходячи з рейтингу їх "популярності" в літературі з цієї тематики.

З цих 22 показників було відібрано п'ять коефіцієнтів, що утворили найкращу лінійну комбінацію з точки зору передбачення банкрутства. Остаточна дискриминантная функція мала вигляд:

де X] - Робочий капітал / Сумарні активи; Х2 - Нерозподілений прибуток / Сумарні активи; Х3 - ЕВ1Т / Сумарні активи; Х4 - Ринкова вартість акцій / Позиковий капітал; Х5 - Виручка від реалізації / Сумарні активи.

Альтман дав економічну інтерпретацію кожного фактора, включеного в дискримінантну функцію.

Фактор Хг. Відношення робочого капіталу до сумарних активів характеризує ліквідність фірми. Як показує практика, компанії, які постійно мають операційний збиток, просто змушені знижувати частку робочого капіталу в активах фірми. Альтман обрав даний показник з двох інших коефіцієнтів ліквідності (поточної і швидкої) як найбільш корисний з точки зору прогнозування банкрутства. Аналогічний висновок був отриманий Мервін (1942)' при використанні одновимірного дискримінантного аналізу. На жаль, через недостатність даних з розгляду "випав" коефіцієнт Cash Flow / Total Debt, висока прогностична здатність якого, як вже згадувалося вище, була особливо відзначена в роботі Бівера.

Фактор Х2. Альтман був першим дослідником, проанализировавшим відношення накопиченої нерозподіленого прибутку до сумарних активів; Х2 описує одночасно кілька аспектів стану фірми.

По-перше, цей показник показує прибуток або збиток, який був реинвестирован в активи компанії на протязі всього її життя. Тим самим він відображає не тільки підсумковий результат роботи фірми, але і її вік, так як очевидно, що для молодих фірм значення цього коефіцієнта буде, швидше за все, нижче. Ця дискримінація молодих фірм, на думку американського економіста, цілком справедлива, у зв'язку з тим, що вони піддаються більш високому ризику банкрутства. Зазначене твердження підтверджується і статистичними даними. Так, у 1993 р. більше 50% загального числа збанкрутілих фірм в США мали вік до п'яти років.

По-друге, Х2 також служить мірою фінансового важеля. Більш високий рівень цього показника свідчить про те, що фірма фінансує свої активи в більшій мірі за рахунок власних, ніж позикових коштів, тим самим знижуючи свою залежність від зовнішніх ресурсів.

Фактор Х3. Рентабельність сукупних активів (ROA) описує якість активів фірми. З усіх показників рентабельності, розглянутих Альтманом, саме ROA володів найкращою предсказательная здатністю.

Фактор Х4. Показник інкорпорує в собі бачення ринку щодо перспектив фірми. Ринкова вартість акцій враховує ринкову капіталізацію простих і привілейованих акцій компанії. Таким чином, зростання даного показника свідчить про позитивну динаміку розвитку фірми, у той час як його зниження, швидше за все, служить індикатором негативних тенденцій. Введення даного коефіцієнта в модель автоматично обмежує сферу її застосування до аналізу ймовірності банкрутств виключно публічних компаній, чиї акції відкрито котируються на фондових ринках.

Фактор Х5. Цей фактор являє собою стандартний коефіцієнт оборотності, відображаючи здатність загальних активів фірми генерувати виручку; Х5 - єдиний незначний коефіцієнт з п'яти. Однак Альтман не став виключати його з моделі, пояснивши це тим, що за вкладом у загальну дискримінантну здатність цей показник зайняв друге місце.

Для правильного застосування формули необхідно використовувати відповідну розмірність показників. Фактори Хг-Хъ вимірюються у відсотках, при цьому у формулу підставляється абсолютна значення1, Х5 - фактор, що показує кількість разів.

Пізніше формула 7-рахунку була приведена до більш зручній формі:

Фактори X]-Х4 підставляються в неї у звичному вигляді, потім отримане значення функції оцінюється за допомогою наступної шкали:

Тестування моделі на вибірках, побудованих за даними за різні роки, дало наступні результати (табл. 11.4).

Підхід, запропонований Альтманом, завоював популярність завдяки своїй новизні та ілюзії високої надійності, створеної за рахунок низької помилки в річному прогнозе3. Як видно з табл. 11.4, навіть по вихідній вибірці точність прогнозу істотно знижується із зростанням горизонту прогнозування. Так, якщо прогноз на рік вперед дає не більше 6%

Таблиця 11.4. Результати тестування моделі Альтмана на вибірках, побудованих за даними за різні роки

Результати тестування моделі Альтмана на вибірках, побудованих за даними за різні роки

помилок, то точність дворічного прогнозу не перевищує 72%. Для трирічного прогнозу модель дає вже неприпустиму помилку 52%.

Беручи до уваги те, що для проблемних компаній характерні затримки в опублікуванні офіційної бухгалтерської звітності (як вже згадувалося вище, у вихідній вибірці середня затримка становила 7,5 місяця), то можливість моделі ефективно передбачати банкрутство обмежується в середньому 17 місяцями.

Ще одна складність, яка виникає при використанні 2-рахунки, пов'язана з тим, що він призначений виключно для публічних компаній, чиї акції відкрито котируються на фондових ринках. Деякі аналітики спробували розширити сферу застосування моделі Альтмана для приватних компаній заміною в Х4 ринкової вартості акцій на еквівалент бухгалтерської звітності, отриманий діленням власного капіталу на кількість акцій (часткою) у зверненні. При цьому ніхто не коригував ваги коефіцієнтів моделі. Пізніше Альтман провів ревізію моделі з урахуванням зазначеного зміни, результатом якої став модифікований Л'-рахунок:

де Х'4 = Бухгалтерська вартість акцій / Позиковий капітал.

Також була проведена перекалібровка шкали, за якою проводиться класифікація фірм:

У 1995 р. Альтман та ін. створили ще одну модифікацію Z-рахунку - Z-рахунок модель, призначену для аналізу фінансового стану неамериканських компаній з ринків, що розвиваються. Інше більш відома назва цієї модифікації моделі Альтмана - Emerging Markets Score (EMS або EM Score). На відміну від вихідної моделі застосування ЇМ не обмежується лише промисловими підприємствами.

Класифікаційна функція була побудована на основі даних по мексиканським компаніям, що випустили євробонди, номіновані в доларах США, і має вигляд:

Апогеєм розвитку Z-рахунку стала Z-модель другого покоління, що отримала назву ZETA®. Ця модель була розроблена в 1977 р. Альтманом спільно з Хальдеманом і На-райананом. Основне гідність ZETA® - покращена точність довгострокових прогнозів банкрутства (помилка в п'ятирічних прогнозах не більше 30%). Вона також заснована на побудові інтегрального показника, ваги якого теж знаходяться за допомогою техніки множинного дисперсійного аналізу. ZETA-рахунок складається з семи змінних:

o рентабельності активів (ROA) = EBIT / Сумарні активи;

o стабільності доходів (Stability of Earnings), виміряної як стандартне відхилення величини доходів компанії за останні 5-10 років її роботи;

o коефіцієнта обслуговування боргу (Debt Coverage) = = EBIT / Загальна величина процентних та лізингових платежів;

o кумулятивної прибутковості (Cumulative Profitability) = Нерозподілений прибуток минулих років / Сумарні активи. Даний показник не тільки інкорпорує в собі вік фірми і результативність її діяльності протягом усього часу існування компанії, але і є найважливішим показником моделі;

o коефіцієнта поточної ліквідності (Current Ratio);

o капіталізації фірми (Capitalization) = Середня за п'ять років ринкова вартість власного капіталу / Сумарний капітал, що враховується як сума ринкової вартості простих акцій, ліквідаційної вартості привілейованих акцій, довгострокового боргу та капіталізованих лізингових платежів;

o розміру компанії (Size), вираженого у формі логарифма величини сумарних активів фірми.

Що стосується можливості використання класичної моделі Альтмана для російських підприємств, то розрахунок Z-рахунку на його канонічному вигляді не можна назвати корректным1. Ваги при коефіцієнтах в останній формулі були визначені на основі статистичних даних американських компаній. Враховуючи сильні інституційні відмінності в економіках Росії та США, цілком ймовірно, що необхідно використовувати не тільки інші ваги, але і, можливо, інший набір коефіцієнтів. В останні роки здійснені успішні спроби модифікувати або, точніше, адаптувати цю формулу для російської економіки.

Корисність даної формули, насамперед, полягає в тому, що вона виділяє основні, найбільш адекватні детермінанти фінансової стійкості підприємства, на які слід звернути увагу при детальному фінансовому аналізі. Крім того, навіть при відсутності точних порогових значень можливе використання цієї формули при порівнянні рівня Z-рахунку аналізованого підприємства з середньогалузевим рівнем. Відповідно, зростання Z-рахунку аналізованого підприємства служить свого роду індикатором більш високої фінансової стійкості і надійності даної компанії.

Підводячи підсумок всьому сказаному, ще раз акцентуємо увагу на слабких і сильних сторонах моделей, розглянутих у даному розділі роботи.

До їх достоїнств можна віднести наступні якості:

o дані моделі дозволяють класифікувати практично будь-яку компанію на проблемну або благополучну;

o коефіцієнти моделі акцентують увагу аналітика на ключових характеристиках, які заслуговують пильного вивчення при аналізі кредитоспроможності;

o ці моделі досить прості у використанні. Для аналізу потрібно виключно фінансова звітність і в ряді випадків (Z-рахунок і ZETA® модель) додатково до неї інформація про капіталізації фірми.

Недоліки моделей полягають в тому, що:

o моделі дискримінують компанії тільки між двома крайніми станами фірми: банкрутством або не банкрутством. В реальному житті все не так однозначно. Стан компанії може змінюватись від спокійного до дуже важкого;

o на виході моделі немає ймовірності банкрутства, а отже, неможливо оцінити очікувані втрати від інвестування / кредитування в активи розглянутої фірми;

o більшість моделей, представлених в цьому розділі, мають низьку предсказательная потужністю на часовому горизонті понад двох років. Це означає, що для багатьох інвесторів, зацікавлених у довгострокових вкладеннях, зазначені методики представляють обмежену цінність;

o моделі більшою мірою носять ретроспективний характер з усіма витікаючими наслідками.

 
< Попередня   ЗМІСТ   Наступна >

Схожі тими

Теоретичні методи прогнозування банкрутства
Методи прогнозування банкрутства підприємства
Умовно-імовірнісний аналіз як метод прогнозування банкрутства
Правові основи неспроможності (банкрутства)
Моделі прогнозування економічних процесів
Аналіз показників і фінансових коефіцієнтів, які розраховуються на основі грошових потоків
АНАЛІЗ ФІНАНСОВИХ КОЕФІЦІЄНТІВ
Коефіцієнтний фінансовий аналіз
Методологічні основи фінансового аналізу
Аналіз фінансових коефіцієнтів
 
Предмети
-->
Банківська справа
БЖД
Бухоблік і аудит
Документознавство
Екологія
Економіка
Етика і естетика
Інвестування
Інформатика
Історія
Культурологія
Література
Логістика
Маркетинг
Медицина
Менеджмент
Політологія
Політекономія
Право
Психологія
Соціологія
Страхова справа
Товарознавство
Філософія
Фінанси
Пошук