Развитием метода временного анализа отдельных показателей является анализ коэффициентных параметров. В этом случае вместо отдельных показателей финансовой отчетности анализируются различные коэффициенты, получаемые по определенным алгебраическим формулам из простых показателей, нередко с использованием весовых коэффициентов, определяемых экспертным путем. Известно большое количество различных методик расчета таких коэффициентов, часть из которых построена на предположении о существовании одного комплексного показателя, наилучшим образом отражающего финансовое состояние предприятия. Обычно такие подходы используются с целью одномерного упорядочивания различных предприятий по величине комплексного показателя, призванного служить мерой сравнения предприятий. Однако все они не свободны от субъективизма авторов методик. Не смотря на то, что такие подходы разрабатываются уже более ста лет, гипотеза о существовании единой универсальной методики до сих пор не доказана.
В целом метод одномерного упорядочивания имеет два существенных недостатка. Во-первых, будучи интуитивно привлекательными, однопараметрические описания являются слишком приблизительными для того, чтобы, основываясь на них, можно было принимать оптимальные решения. Во-вторых, алгоритм, позволяющий объективно ранжировать предприятия в различных экономических условиях, не известен никому.
Для преодоления первого недостатка одномерного порядкового ранжирования можно использовать двумерное упорядочивание. Подобное ранжирование позволяет получить больше полезной информации, чем при помощи более простых и интуитивно понятных методов визуального представления данных. Однако двумерное упорядочивание может потребовать введения объективных координат, подобных тем же одномерным рейтингам. Традиционному подходу, основанному на двух «ведущих» финансовых коэффициентах (например, капитал/активы и прибыль/активы), недостает необходимой в данном случае объективности. В идеале картина финансового состояния предприятий должна определяться при помощи всех финансовых показателей.
Большие группы переменных требуют применения многомерных методов анализа, которые включают в себя кластерный анализ и проекционные методы. Рассмотрим их более подробно.
Совокупности финансовых показателей предприятия состоит из множества величин. Величины в таком выборочном наборе данных соответствуют некоторому набору статистических показателей. Набор показателей может быть выражен вектором, что означает просто упорядоченный набор числовых величин. В любой момент вектор, состоящий из n финансовых показателей предприятий, представляет собой точку в n -мерном пространстве. В том случае, когда существует только два или три измерения, достаточно легко бывает построить простые двумерные и трехмерные графики. Однако, если размерность данных больше, изобразить вектор или взаимосвязи между различными векторами графически весьма непросто. Именно поэтому необходимы другие методы визуального представления.
Существует несколько методов обобщения наборов данных или статистических таблиц финансовых показателей предприятия. Простейшие из них представляют собой наборы основных статистических формул, позволяющие получить основные статистические характеристики данных. Например, наименьшее и наибольшее значения в наборе данных, медиану, первый и третий квартили. Такие простые методы очень полезны при обобщении наборов данных небольшой размерности.
В графических методах визуального представления каждое измерение (компонента) многомерного набора данных влияет на некоторый аспект визуализации, а затем результаты объединяются воедино. Эти методы можно использовать для визуального представления разного рода многомерных данных. Главным недостатком большинства таких методов является то, что они не позволяют сократить количество данных. Если набор данных велик, то изображение, содержащее все элементы этих данных, не будет наглядным. Эти методы могут, однако, быть полезными для иллюстрации сокращенных обобщающих представлений наборов данных.
Сокращение количества данных путем категоризации или группировки их сходных элементов называется кластеризацией данных. Группировка данных путем кластеризации является наиболее универсальной, поскольку людям свойственно упорядочивать информацию аналогичным образом. Одним из побудительных мотивов для использования кластеризации является стремление автоматизировать построение категорий. Кластеризация может также использоваться в целях минимизации влияния человеческой предвзятости и ошибок в процессе группировки данных. Кластерный анализ можно использовать в случаях, когда необходима группировка тех или иных образов (изображений предприятий в виде наборов финансово-экономических показателей), о взаимосвязях между которыми заранее не существует ясного представления. С помощью кластерного анализа исходные данные можно объединять в различные группы и подгруппы, представляемые графически в виде диаграммы, именуемой за ее форму дендрограммой (от греческого dendron . дерево).
