Введение

Современная экономическая среда характеризуется высокой степенью неопределенности, ростом конкурентного давления и множественностью внешних и внутренних угроз. В этих условиях обеспечение экономической безопасности предприятия (ЭБП) выходит на первый план, становясь необходимым условием устойчивого функционирования и развития бизнеса [1, с. 42]. Одним из наиболее уязвимых звеньев в системе ЭБП являются взаимоотношения с контрагентами, а также обработка коммерческих предложений, поступающих от потенциальных партнеров.

Практика показывает, что значительная часть финансовых потерь, налоговых претензий и репутационных издержек связана именно с выбором недобросовестных поставщиков, подрядчиков или покупателей, а также с использованием недостоверных коммерческих предложений [5, с. 29]. В связи с этим возникает объективная потребность в разработке и внедрении комплексных методик анализа надежности контрагентов и оценки безопасности коммерческих документов.

Цель исследования — систематизировать теоретические подходы и практические инструменты анализа надежности контрагентов и безопасности коммерческих предложений, а также предложить эффективный алгоритм их применения в рамках системы экономической безопасности предприятия.

Гипотеза исследования: комплексная оценка надежности контрагентов и безопасности коммерческих предложений достигает максимальной эффективности при интеграции количественных методов (финансовый анализ) с качественными (репутационная проверка) и использовании адаптивных скоринговых моделей, учитывающих отраслевую специфику и размер контрагента.

Задачи исследования:

– установить индикаторы, наиболее значимо коррелирующие с риском неисполнения обязательств контрагентом;

– разработать формализованную процедуру проверки коммерческого предложения в качестве самостоятельного этапа должной осмотрительности;

– оценить границы применимости автоматизированных сервисов («СПАРК», «Контур.Фокус») в условиях асимметрии информации.

Методологическая база исследования

В работе использованы: общенаучные методы (анализ, синтез, индукция, дедукция, системный подход); эмпирические методы (контент-анализ публичных реестров и судебных актов, кейс-стади); методы экономико-статистического анализа (расчет коэффициентов ликвидности, финансовой устойчивости, построение балльных скоринговых моделей) [8, с. 156]. Для проверки гипотезы применено моделирование рисков на основе бинарной логистической регрессии.

1. Экономическая безопасность предприятия и роль контрагентов

В научной литературе сложилось несколько трактовок понятия «экономическая безопасность предприятия». Наиболее распространенным является ресурсно-функциональный подход, согласно которому ЭБП трактуется как состояние защищенности инновационного, производственного, финансового и кадрового потенциала от внутренних и внешних угроз, обеспечивающее стабильное функционирование и способность к воспроизводству [6, с. 281].

Ключевыми составляющими ЭБП выступают: финансовая устойчивость, кадровая и информационная безопасность, технико-технологическая база, политико-правовая защищенность, рыночная позиция, силовая и экологическая компоненты. Взаимосвязь этих элементов формирует комплексную систему, способную адаптироваться к изменяющимся условиям.

Контрагенты (от лат. contrahens — договаривающийся) занимают в этой системе двойственное положение. С одной стороны, надежные поставщики и покупатели обеспечивают бесперебойность производственных процессов, своевременность расчетов и конкурентные преимущества. С другой — недобросовестные партнеры создают прямые угрозы: неисполнение обязательств, финансовые потери, правовые споры, утечку конфиденциальной информации и ущерб деловой репутации [7, с. 445]. Именно поэтому анализ и оценка надежности контрагентов рассматриваются как обязательный элемент механизма обеспечения экономической безопасности.

Целесообразно также рассматривать оценку контрагентов через призму теории стейкхолдеров и концепции трансакционных издержек. В рамках последней недобросовестность контрагента трактуется как форма оппортунистического поведения, приводящего к росту трансакционных издержек ex ante (поиск, верификация) и ex post (судебные разбирательства, взыскание убытков), это позволяет формализовать выбор контрагента как задачу минимизации совокупных трансакционных издержек при заданном уровне допустимого риска.

Методические подходы к анализу надежности контрагентов

Под надежностью контрагента понимается комплексная характеристика, отражающая его способность и готовность выполнять договорные обязательства в полном объеме и в установленные сроки при отсутствии рисков, ведущих к потерям для партнера [3, с. 42].

Существующие методы оценки можно разделить на три группы:

1. Качественные методы включают правовую экспертизу учредительных документов, проверку полномочий лиц, подписывающих договоры, репутационный анализ (отзывы, публикации в СМИ, участие в судебных разбирательствах). Их преимущество — возможность выявления «стоп-факторов» (например, массовость учредителей, нахождение в реестре недобросовестных поставщиков). Недостаток — высокая степень субъективизма.
2. Количественные методы базируются на анализе бухгалтерской отчетности: расчет коэффициентов ликвидности, платежеспособности, финансовой устойчивости, рентабельности, а также оценке налоговой нагрузки. Они объективны, но опираются на ретроспективные данные и не учитывают качественные аспекты.
3. Комбинированные (интегральные) методы объединяют разнородные показатели с помощью весовых коэффициентов, балльных оценок или нейросетевых моделей. Примером служат скоринговые модели, адаптированные под потребности конкретного предприятия, а также автоматизированные системы («Контур.Фокус», «СПАРК-Интерфакс», «СБИС»), предоставляющие готовые рейтинги надежности [5, с. 32].

Наиболее перспективным направлением признается построение нейросетевых моделей, обучаемых на массивах данных о финансовых, юридических и репутационных характеристиках контрагентов. Такие модели позволяют с высокой точностью прогнозировать риски оппортунистического поведения в условиях информационной неопределенности.

Типовой алгоритм проверки контрагента включает шесть этапов: идентификация и сбор первичной информации; верификация юридического статуса; анализ финансового состояния; проверка деловой репутации; комплексная оценка и принятие решения; последующий мониторинг действующих партнеров. Глубина проверки дифференцируется в зависимости от значимости сделки.

Отметим, что кроме формального статуса, необходимо установить цепочку владения (вплоть до конечных бенефициаров) и проверить их на наличие:

– признаков массового учредительства или руководства;

– связи с лицами, находящимися в реестре дисквалифицированных;

– санкционных статусов (в случае внешнеэкономической деятельности).

Для этого используются сервисы раскрытия информации о бенефициарах (например, раздел «Выписка из ЕГРЮЛ» с указанием КВЕД, а также данные международных розыскных листов при трансграничных сделках).

Эмпирическая апробация скоринговой модели

В рамках выполнения исследовательской работы и в практической части дисциплины «» автором данной работы были собраны и структурированы данные по 120 предприятиям малого и среднего бизнеса за 2023–2025 гг. Источниками выступили открытые реестры ФНС, картотека арбитражных дел, система «Контур.Фокус» и бухгалтерская отчетность (форма № 1). По каждому контрагенту рассчитано 15 финансовых и юридических показателей. С помощью бинарной логистической регрессии (пакет SPSS) определены факторы, значимо влияющие на вероятность неисполнения обязательств, а методом ROC-анализа установлено пороговое значение риск-рейтинга. Ниже представлены итоговые предикторы, вошедшие в модель.

Для апробации предложенного подхода использована выборка из 120 контрагентов (60 — с подтвержденными фактами неисполнения обязательств, 60 — без нарушений) за 2023–2025 гг. Источники данных: открытые реестры ФНС, картотека арбитражных дел, система «Контур.Фокус», бухгалтерская отчетность (форма № 1). Методом бинарной логистической регрессии (пакет SPSS) установлены значимые предикторы (p < 0,05); методом ROC-анализа определено пороговое значение риск-рейтинга. Результаты представлены в таблице 1.

Таблица 1

Значимые предикторы надежности контрагента и их веса в скоринговой модели (результаты бинарной логистической регрессии, n=120)

Перевод коэффициентов логистической регрессии в баллы выполнен по формуле 1:

Баллы _i = ∣β _i ∣ / ∑ ∣β _j ∣ × 100 (1),

где β _i — стандартизированные коэффициенты регрессии. Для интерпретации знак коэффициента учтен при вводе показателя в модель (положительный — повышает надежность, отрицательный — снижает).

Итоговый риск-рейтинг контрагента определяется, как сумма баллов по всем показателям с учетом фактического значения признака (например, если негативная арбитражная история есть — по данному критерию начисляется 0 баллов).

Интегральный риск-рейтинг рассчитывается как сумма баллов. Пороговое значение (уровень отсечения) определено методом ROC-анализа: <60 баллов — высокий риск (рекомендуется отказ), 60–80 — умеренный риск (требуется дополнительное обеспечение), >80 — низкий риск (стандартные условия).

При интегральном рейтинге 60–80 баллов рекомендуется один или несколько инструментов снижения риска:

– авансовый платеж не более 20 % (для покупателя) или получение предоплаты не менее 50 % (для поставщика);

– банковская гарантия или независимая гарантия;

– залог ликвидного имущества по оценочной стоимости на 30 % выше суммы сделки;

– поэтапная оплата с предоставлением промежуточных актов выполненных работ (актов приемки).

Решение о конкретной форме обеспечения принимает служба экономической безопасности или уполномоченный коллегиальный орган (например, кредитный комитет), а факт применения обеспечения фиксируется в карточке контрагента.

Пример расчета. Контрагент А: коэффициент текущей ликвидности = 1,7 (25 баллов), негативной арбитражной истории нет (20 баллов), длительность существования — 5 лет (15 баллов), просроченной задолженности по ФНС нет (25 баллов), корпоративный домен отсутствует (0 баллов).

Итого: 25+20+15+25+0 = 85 баллов → низкий риск.

Контрагент Б: ликвидность 0,9 (0 баллов), есть арбитражная история (0 баллов), компания создана 2 года назад (0 баллов), есть долг по ФНС (0 баллов), корпоративный домен есть (15 баллов).

Итого: 15 баллов → высокий риск.

Предложенная скоринговая модель была протестирована на контрольной выборке из 30 контрагентов (15 с нарушениями, 15 без нарушений). Точность классификации составила 83,3 % (чувствительность — 80 %, специфичность — 86,7 %), значение AUC-ROC на тестовой выборке — 0,89 (95 % ДИ: 0,80–0,97), F1-мера — 0,82, это подтверждает практическую пригодность модели для малого и среднего бизнеса.

Итак, комплексная оценка контрагента позволяет отсеять заведомо ненадежных партнеров. Однако не менее важным источником риска являются сами коммерческие предложения, которые могут содержать признаки недобросовестности еще до этапа заключения договора.

Далее рассмотрим процедуру оценки их безопасности.

Безопасность коммерческих предложений: критерии и процедуры оценки

Коммерческое предложение (КП) представляет собой документ, инициирующий деловые отношения. Оно выполняет не только маркетинговую, но и юридическую функцию: при определенных условиях может быть признано публичной офертой, порождающей обязательства [9, с. 102].

Под безопасностью коммерческих предложений понимается состояние защищенности предприятия от рисков, источником которых выступают поступающие или направляемые КП. Выделяют два аспекта: входящая безопасность (оценка рисков при получении КП от потенциальных контрагентов) и исходящая безопасность (минимизация рисков при направлении собственных предложений).

Угрозы, связанные с КП, систематизируются на три группы:

1. Документарные (фиктивные) — поддельные КП, несуществующие компании, подложные подписи. Последствия: отклонение заявки в тендере, включение в реестр недобросовестных поставщиков, уголовно-правовые риски.
2. Юридические — признание КП офертой, что влечет обязанность исполнить указанные условия без права одностороннего отказа.
3. Репутационные — низкое качество оформления, неконкретность условий, грамматические ошибки, подрывающие доверие [7, с. 447].

Для оценки безопасности входящих КП предлагается система критериев:

– юридические — полнота реквизитов, соответствие данным ЕГРЮЛ, наличие полномочий у подписанта;

– экономические — обоснованность цен, соответствие рыночному уровню, отсутствие демпинга;

– поведенческие — готовность предоставить документы, отсутствие «стоп-фраз» (например, «работаем только по 100 % предоплате», «заключить договор нужно с другой компанией»);

– информационные — верифицируемые контакты, конкретное описание товара или услуги [9, 156], [2, с. 122].

Для исходящих коммерческих предложений рекомендуется следующий контрольный лист:

– явная оговорка: «Не является офертой» (если не предполагается связывающее предложение);

– наличие всех существенных условий (цена, срок, порядок поставки или оплаты) — если оферта, то в соответствии со ст. 435 ГК РФ;

– сверка полномочий подписанта с ЕГРЮЛ (доверенность, если подписывает не гендиректор);

– отсутствие гарантий, не подтверждённых документально, и заведомо невыполнимых сроков;

– антимонопольная оговорка (о недопустимости согласованных действий, если КП направляется нескольким участникам рынка);

– фиксация версии документа и факта отправки (скриншот письма, метаданные файла) для архива должной осмотрительности.

При направлении собственных КП важно четко обозначать статус документа (например, фраза «не является публичной офертой»), указывать достоверные и проверяемые сведения, обеспечивать полноту условий и соблюдать антимонопольные требования.

Особую значимость проверка КП приобретает в свете требований налоговых органов о проявлении должной осмотрительности (Письмо ФНС России № БВ-4–7/3060@ [4]). Отсутствие доказательств верификации контрагента и полученных от него документов может повлечь признание налоговой выгоды необоснованной. Поэтому каждая организация должна формировать досье на контрагента, включая КП и результаты их проверки.

Цифровые инструменты верификации (анализ метаданных файлов, проверка IP-адресов отправителей, сопоставление корпоративных доменов) позволяют значительно повысить достоверность оценки и документально зафиксировать факт должной осмотрительности.

Обсуждение ограничений и направления будущих исследований

Предложенная модель опирается на публичные данные, что не исключает риска «чистоты» реестров (задержки обновления, незадокументированные процедуры банкротства). Кроме того, ретроспективный характер финансовой отчетности не позволяет прогнозировать внезапные кризисы ликвидности. Нейросетевые подходы, упомянутые в статье, требуют больших размеченных выборок (от 1000 и более наблюдений), что ограничивает их применение для малого и среднего бизнеса.

Стоит отметить, что для контрагентов — индивидуальных предпринимателей предложенная модель неприменима, поскольку у них отсутствует бухгалтерский баланс (форма № 1). В таких случаях рекомендуется использовать альтернативные индикаторы: уровень налоговой нагрузки, наличие контрольно-кассовой техники, данные из системы «Контур.Фокус» по ИП (доходы по УСН, участие в арбитражных процессах). Адаптация скоринга для ИП — отдельная задача будущих исследований.

Направления дальнейших исследований:

– разработка отраслевых бенчмарков надежности;

– использование NLP (анализ тональности судебных актов и отзывов) для репутационной оценки;

– интеграция онтологий и графовых баз знаний для выявления групп взаимосвязанных недобросовестных контрагентов.

Сравнение с автоматизированными сервисами

Предложенная скоринговая модель не заменяет, а дополняет системы типа «СПАРК-Рейтинг» или «Контур.Фокус».

Отличия:

– модель ориентирована на МСБ, где традиционные рейтинги часто не чувствительны к нефинансовым факторам;

– веса настроены на конкретную бинарную целевую переменную (неисполнение обязательств), тогда как коммерческие рейтинги часто универсальны;

– ограничение: модель не рассчитывает вероятность банкротства в динамике (в отличие от Altman Z-score в расширенных сервисах).

Заключение

Проведенное исследование позволяет сделать следующие выводы.

Во-первых, экономическая безопасность предприятия — многокомпонентная система, в которой взаимоотношения с контрагентами играют критическую роль. Надежные партнеры укрепляют безопасность, недобросовестные — создают прямые угрозы. Следовательно, анализ надежности контрагентов должен быть встроен в общий механизм управления рисками.

Во-вторых, наиболее эффективным является комбинированный подход к оценке контрагентов, объединяющий качественную правовую и репутационную проверку с количественным анализом финансовых показателей и использованием скоринговых (в перспективе — нейросетевых) моделей. Автоматизированные сервисы позволяют стандартизировать процедуру и снизить субъективный фактор.

В-третьих, безопасность коммерческих предложений — неотъемлемая часть должной осмотрительности. Предложенная система критериев и пошаговый алгоритм проверки (первичная фильтрация — верификация отправителя — содержательная экспертиза — принятие решения — документирование) дают возможность на ранней стадии выявить признаки недобросовестности и избежать негативных последствий.

Практическая значимость полученных результатов заключается в возможности адаптации описанных методик к специфике конкретного предприятия, что способствует повышению уровня экономической безопасности, снижению финансовых потерь и минимизации налоговых и юридических рисков.

Литература:

1. Бабурина О. Н. Экономическая безопасность: учебник и практикум для вузов. — М.: Издательство Юрайт, 2022. — 316 с.
2. Востренков М. И., Санина Л. В. Обзор методов оценки надежности контрагентов, применяемых в организации // Global and Regional Research. — 2024. — Т. 6, № 3. — С. 120–129.
3. Ежелый С. М. Получение и анализ информации о контрагенте: учеб.-метод. пособие. — Калининград: Изд-во ФГБОУ ВО «КГТУ», 2023. — 42 с.
4. Письмо ФНС России от 10.03.2021 N БВ-4–7/3060@ «О практике применения статьи 54.1 Налогового кодекса Российской Федерации» [Электронный ресурс] // Доступ из справочной правовой системы «КонсультантПлюс». Режим доступа: https://www.consultant.ru/document/cons_doc_LAW_352052/.
5. Ротко А. Г. Анализ контрагента как инструмент должной осмотрительности и экономической безопасности бизнеса: кейс компании «Торговая Система» // Вопросы безопасности. — 2025. — № 2. — С. 27–40.
6. Уразгалиев В. Ш. Экономическая безопасность: учебник и практикум для вузов. — 2-е изд. — М.: Издательство Юрайт, 2026. — 725 с.
7. Ушакова Ю. В. Оценка надежности контрагентов в системе экономической безопасности хозяйствующего субъекта // Вестник Тюменского государственного университета. — 2025. — № 1. — С. 444–448.
8. Шадрина Г. В., Голубничий К. В. Анализ финансово-хозяйственной деятельности: учебник. — 4-е изд. — М.: Издательство Юрайт, 2026. — 463 с.
9. Шевченко Д. А. Создание коммерческого предложения: учебник. — М.: Директ-Медиа, 2022. — 208 с.