Леверидж российских лизинговых компаний и их принадлежность к банковским группам

В таблице 4 приведена описательная статистика по всем объясняющим переменным и зависимой переменной.

Таблица 4 - Описательная статистика.

Variable	Obs	Mean	Std. Dev.	Min	Max
Lev	262	40.3099	443.8095	0.0000	7180.9280
Dummy	282	0.2979	0.4581	0.0000	1.0000
lnSize	262	14.5198	2.3722	2.3026	19.9964
ROA	241	0.0186	0.0629	-0.2814	0.6933
ROE	241	0.2384	4.5341	-41.6918	56.1031
NILF	262	0.3908	0.2746	0.0000	1.7703
Growth	234	21.4027	323.3925	-0.6713	4947.2000
Liquidity	260	11.3137	77.9557	0.0203	1195.7000
Tax	242	38.7842	289.2099	-2098.4190	3241.5260
Tangibility	262	0.0747	0.1229	0.0000	0.6295
Inflation	282	8.0117	1.8547	6.1000	11.3600
OilPrice	282	3.0394	0.6440	1.9301	3.7725

Выборка состоит из данных по 47 лизинговым компаниям за период с 2009 по 2014 гг. Общее количество наблюдений - 282. Пропусков в данных содержится не много, это видно из количества наблюдений по каждой переменной (Obs).

Финансовый рычаг компании со средними значениями по выборке составляет чуть больше 40 (Mean). Это подтверждает тот факт, что компании финансового сектора имеют в значительной степени более длинный рычаг по сравнению с нефинансовыми компаниями. Большое значение стандартного отклонения (Std.Dev.) объясняется тем, что в выборке есть несколько наблюдений, где значение левериджа равно нулю или равно нескольким тысячам. Финансовый рычаг равнялся таким значениям в год открытия компаний, когда либо полностью отсутствовал заемный капитал у компании, либо значение собственного капитала составляло всего несколько тысяч рублей. В дальнейшем эти наблюдения можно будет исключить из анализа, если они повлияют на качество оценок.

Среднее значение дамми-переменной, равное 0,2979, показывает долю банковских лизинговых компаний в выборке. Минимальные значения (Min) рентабельности активов и капитала отрицательные из-за того, что в некоторые годы компании несут убыток. Как и предполагалось, инвестиции в финансовый лизинг составляют значительную долю в общем объеме активов, среднее значение по данному показателю равно 0,39. В среднем по выборке рост активов компаний составляет чуть более 21%, поскольку отрасль лизинга в России расширяется в последние годы. Что касается доли материальных активов, то она не высока, что свойственно компаниям финансового сектора, среднее значение составляет всего 0,07%.

В таблице 5 содержится информация о парной корреляции объясняющих переменных, а также индексы вздутия дисперсии (VIF), которые показывают степень мультиколлинеарности.

Таблица 5 - Индексы вздутия дисперсии переменных (VIF) и корреляционная матрица.

	VIF	Dummy	lnSize	ROA	ROE	NILF
Dummy	1.27	1.0000
lnSize	1.2	0.2758	1.0000
ROA	1.14	0.0763	-0.0335	1.0000
ROE	1.06	0.0269	-0.0443	0.1033	1.0000
NILF	1.23	0.1930	0.0359	0.2811	0.0710	1.0000
Growth	1.02	-0.0439	-0.1103	0.0166	0.0096	0.0339
Liquidity	1.06	-0.0655	-0.1941	-0.0790	0.0038	-0.0747
Tax	1.1	0.0995	0.2035	0.1326	0.1159	-0.0224
Tangibility	1.22	-0.3000	-0.0019	-0.0477	-0.0129	-0.2797
Inflation	1.02	0.0000	-0.0049	-0.0800	-0.0402	-0.0576
OilPrice	1.06	0.0026	0.1002	0.0019	-0.1403	0.0625
	Growth	Liquidity	Tax	Tangib.	Inflation	OilPrice
Growth	1.0000
Liquidity	0.0001	1.0000
Tax	-0.0087	-0.0171	1.0000
Tangibility	-0.0398	-0.0374	-0.0537	1.0000
Inflation	-0.0600	0.0095	-0.0493	-0.0021	1.0000
OilPrice	0.0054	-0.0641	0.0251	-0.1050	-0.0711	1.0000

Корреляция переменных не сильная, поэтому вероятность возникновения мультиколлинеарности очень низкая. Кроме того, значения VIF не превышают 3, а значит можно сделать вывод о том, что мультиколлинеарность отсутствует. (Gujarati, 2003), (Доугерти, 2009)

2.5 Этапы регрессионного анализа

Сначала будут оценены модели сквозной регрессии и регрессии со случайными эффектами. Модель с детерминированными индивидуальными эффектами не может быть использована в данном случае, поскольку она не позволяет оценить коэффициент при дамми-переменной, инвариантной по времени. (Hsiao, 2007) В данном исследовании дамми-переменная необходима для тестирования главной гипотезы, поэтому пренебречь ей нельзя.

Затем будут протестированы часто возникающие проблемы при оценивании регрессий: наличие гетероскедастичности и автокорреляции; при обнаружении они будут учтены.

Возможно также усложнение модели. Одним из преимуществ использования панельных данных является то, что можно включить в модель предыдущие значения переменных, в частности, возможно, будет необходимо включить в модель лаги финансового рычага. Дальнейшее усложнение модели будет предполагать учет эндогенности показателей прибыльности, которые, как было отмечено ранее, являясь детерминантами финансового рычага, и сами могут одновременно влиять на него.



3. Эмпирическое исследование и результаты

3.1 Тестирование базовых спецификаций модели

Было рассмотрено 4 базовые спецификации модели. Первая (1) и третья (3) включают показатель прибыльности ROA, третья спецификация отличается от первой тем, что включает помимо переменных, отвечающих за характеристики фирмы, также макроэкономические переменные: инфляцию и среднегодовые цены на нефть. Во второй (2) и четвертой (4) спецификации модели вместо ROA используется ROE, и также в четвертую спецификацию включены макроэкономические переменные.

Сначала я оценила модель линейной регрессии при помощи метода наименьших квадратов. Стоит отметить, что это сквозная регрессия по всем годам и всем компаниям, не учитывающая панельную структуру данных. Регрессии, включающие показатель прибыльности ROA, оказались незначимыми на любом приемлемом уровне значимости. P-value F-статистики равны 0,789 и 0,424 для первой и третьей модели соответственно. Статистика F проверяет гипотезу о равенстве нулю всех коэффициентов при переменных модели и позволяет сделать вывод об адекватности регрессии. В регрессиях с включением ROE вместо ROA данная гипотеза отвергается, так как P-value равны машинному нулю.

Значение коэффициента детерминации R-квадрат составляет 0,12, 0,62, 0,14 и 0,62 для спецификаций модели (1), (2), (3) и (4) соответственно. Данный коэффициент показывает долю объясненной дисперсии рычага компаний при помощи рассматриваемых моделей. Получается, что регрессии, включающие ROA обладают очень плохой объясняющей способностью, а регрессии, включающие ROE, объясняют более 60% вариации финансового рычага.

Результаты регрессии показаны в таблице 6. Знаком * обозначена значимость коэффициента на уровне 10%; ** - 5%; *** - 1%. Также указаны стандартные ошибки коэффициентов.

Таблица 6 - Результаты сквозной регрессии для спецификаций модели (2) и (4).

Variable	reg2	reg4
Dummy	79.8038*	76.47
s.e.	46.754212	47.050041
lnSize	8.1336868	8.2407186
s.e.	9.2219501	9.2280484
ROE	80.1595***	79.8784***
s.e.	4.2643537	4.3158019
NILF	23.807273	30.702529
s.e.	74.683658	74.768157
Growth	-0.0038588	0.0012632
s.e.	0.0603626	0.0604063
Liquidity	0.3200771	0.3998372
s.e.	0.7831076	0.7840443
Tax	-0.1945***	-0.1878***
s.e.	0.06806	0.0681309
Tangibility	1.5841515	-3.2269214
s.e.	172.84691	174.00319
Inflation		14.371229
s.e.		9.932212
OilPrice		-23.714762
s.e.		36.360033
_cons	-125.12782	-166.18254
s.e.	137.52541	191.07416
R-squared	0.6190	0.6232

* - уровень значимости 10%;

** - уровень значимости 5%;

*** - уровень значимости 1%.

Можно заметить, что в регрессиях очень мало значимых коэффициентов. Кроме того, знаки коэффициентов при значимых переменных ROE и Tax не соответствуют выдвинутым гипотезам. Изменение спецификации путем исключения некоторых переменных не позволяет улучшить значимость.

Использование панельных данных позволяет строить регрессии, в которых учитываются структурные и временные составляющие. Для этого используются модели с детерминированными (fixed effect) и случайными (random effect) индивидуальными эффектами. В данном случае я могу использовать только модель со случайными эффектами, поскольку модель с детерминированными эффектами не позволяет оценить дамми-переменную, инвариантную по времени. Оценивается регрессия при помощи обобщенного метода наименьших квадратов.

Регрессии, включающие ROA, также оказались незначимы. Что касается моделей с ROE, они не сильно отличаются от аналогичных им моделей сквозной регрессии. Знаки коэффициентов при переменных практически не изменились, так же как и сами значения коэффициентов и их стандартные ошибки. Значимость коэффициентов также не улучшилась.

Для выбора наиболее адекватной модели я провела тест Бройша-Пагана. Данный тест проверяет отсутствие случайного индивидуального эффекта. Уровень P-value близок к единице, что позволяет сделать вывод о том, что модель сквозной регрессии описывает данные лучше, чем модель со случайными индивидуальными эффектами.

Многие коэффициенты сквозной регрессии были незначимы. Возможно, такая ситуация возникла из-за того, что наблюдается гетероскедастичность или автокорреляция остатков модели. Дальнейший анализ будет проводиться на основе модели (2), которая не включает макроэкономические переменные. Сравнение результатов регрессий (2) и (4) показало, что включение в модель инфляции и цен на нефть портит значимость оценок, стандартные ошибки возрастают.

Сначала был проведен тест на наличие гетероскедастичности. Гетероскедастичность - это неоднородность наблюдений, которая проявляется в непостоянности дисперсии остатков модели. (Gujarati, 2003) Ее наличие приводит к неэффективности и смещенности оценок, полученных с помощью метода наименьших квадратов (МНК). Тест Бройша-Пагана / Кука-Уайсберга используется для проверки наличия гетероскедастичности в сквозной модели. Данный тест определил ее наличие, поэтому регрессия была скорректирована с учетом наличия гетероскедастичности. Однако значимость оценок коэффициентов не улучшилась.

Затем была проведена проверка наличия серийной автокорреляции. Наличие автокорреляции ошибок также приводит к неэффективности оценок МНК, хотя оценки и остаются несмещенными. (Gujarati, 2003), (Доугерти, 2009) Было выявлено наличие автокорреляции первого порядка. Затем автокорреляция (вместе с гетероскедастичностью) была учтена при оценке модели.

Сравнение результатов регрессий без учета или с учетом гетероскедастичности и автокорреляции представлены в таблице 7.

Таблица 7 - Результаты регрессии для спецификации модели (2): базовой, с учетом гетероскедастичности, автокорреляции первого порядка.

Variable	reg2	reg2_robust	reg2_robust_ar1
Dummy	79.8038*	79.8038	78.8822
s.e.	46.7542	60.4249	54.0640
lnSize	8.1337	8.1337	8.1204
s.e.	9.2220	7.1607	7.6272
ROE	80.1595***	80.1595***	80.1509*
s.e.	4.2644	41.5173	41.1578
NILF	23.8073	23.8073	23.0273
s.e.	74.6837	41.2532	45.5192
Growth	-0.0039	-0.0039	-0.0040
s.e.	0.0604	0.0071	0.0068
Liquidity	0.3201	0.3201	0.3126
s.e.	0.7831	0.2218	0.2744
Tax	-0.1945***	-0.1945	-0.1942
s.e.	0.0681	0.1754	0.1742
Tangibility	1.5842	1.5842	0.4895
s.e.	172.8469	29.9475	39.8764
_cons	-125.1278	-125.1278	-124.5634
s.e.	137.5254	105.5982	110.6370
R-squared	0.6190	0.6190

* - уровень значимости 10%;

** - уровень значимости 5%;

*** - уровень значимости 1%.

С учетом гетероскедастичности и автокорреляции качество модели не стало лучше. Значимых переменных стало меньше, стандартные ошибки при некоторых переменных снизились по сравнению с базовой моделью, однако при некоторых переменных они возросли в несколько раз. В данном виде модель не пригодна для анализа.

Возникшие проблемы могут быть связаны, с одной стороны с неправильной спецификацией модели. Скорее всего это не так, поскольку модель была построена с опорой на предыдущие исследования детерминантов структуры капитала. Исключение же некоторых переменных из модели, или замена их на другие прокси (например, вместо логарифма активов был использован логарифм выручки компании, показатель материальности, использованный в базовой спецификации, был заменен на долю долгосрочных обязательств, которая также используется в исследованиях) к улучшению качества модели не привели.

С другой стороны, модель может быть устроена сложнее, чем предполагалось изначально. Поэтому решено было усложнить модель.

3.2 Включение в модель лагов зависимой переменной

Для проверки необходимости включения в модель лагов зависимой переменной была построена регрессия, отражающая зависимость финансового рычага от первого и второго лага. В таблице 8 представлены результаты регрессии.

Таблица 8 - Результаты регрессии лагов экономического рычага.

Variable	Coef.
L1.Lev	0.1963**
L2.Lev	-0.0010
_cons	8.2511***

* - уровень значимости 10%;

** - уровень значимости 5%;

*** - уровень значимости 1%.

При оценке регрессии с лагами переменной учитывается панельная структура данных. Такие регрессии оцениваются обобщенным методом наименьших квадратов. В таком случае коэффициент детерминации не может быть использован для оценки качества регрессии. Для проверки значимости регрессии проводится тест Вальда, в данном случае P-value статистики Хи-квадрат равно 0,01, а значит регрессия значима.

Первый лаг оказался значимым, поэтому он был включен в модель. Результаты регрессии представлены в таблице 9.

Таблица 9 - Результаты сквозной регрессии для спецификации модели (2): базовой и с включением лага.

Variable	reg2	reg2_lag
Dummy	79.8038*	-0.6667
s.e.	46.7542	3.5486
lnSize	8.1337	1.1713*
s.e.	9.2220	0.6982
ROE	80.1595***	-6.1986***
s.e.	4.2644	0.5195
NILF	23.8073	0.0528
s.e.	74.6837	5.4964
Growth	-0.0039	0.0037
s.e.	0.0604	0.0044
Liquidity	0.3201	-0.0779
s.e.	0.7831	0.0567
Tax	-0.1945***	-0.0032*
s.e.	0.0681	0.0050
Tangibility	1.5842	-8.6655
s.e.	172.8469	13.0930
L1.Lev		0.0018*
s.e.		0.0030
_cons	-125.1278	-3.8066
s.e.	137.5254	10.4875
R-squared	0.6190	0.6362

* - уровень значимости 10%;

** - уровень значимости 5%;

*** - уровень значимости 1%.

С добавлением первого лага финансового рычага появились некоторые улучшения. Стандартные ошибки всех переменных снизились в несколько раз, что говорит о большей их точности. Кроме того, становится значимой еще одна переменная - размер компании. Знак коэффициента при ROE сменился на отрицательный, это соответствует выдвинутой гипотезе.

3.3 Учет эндогенности факторов

Показатель прибыльности компании ROE может являться эндогенным по отношению к финансовому рычагу, то есть переменные могут оказывать взаимное влияние друг на друга. С одной стороны, увеличение рентабельности капитала свидетельствует о росте прибыли до налогообложения, а рост прибыли позволяет компаниям использовать нераспределенную прибыль для финансирования лизинговых проектов. Доля заемного финансирования снижается, а значит, снижается и величина финансового рычага. С другой стороны, снижение финансового рычага влечет за собой снижение вероятности банкротства, издержек финансовой неустойчивости. Поэтому заемное финансирование становится для компаний более привлекательным, компании могут привлекать средства на более выгодных условиях. Следствием является снижение издержек по обслуживаю долга и рост прибыли за счет этого.

Наличие эндогенности приводит к несостоятельности оценок, поэтому возникает необходимость учесть ее в регрессии. Сделать это можно при помощи применения метода инструментальных переменных или с использованием обобщенного метода моментов.

В данном случае было решено оценить регрессию при помощи обобщенного метода моментов (ОММ) Бланделла-Бонда, который позволяет оценить коэффициент при дамми-переменной. Данный метод используется для оценивания динамической модели, включающей значение финансового левериджа в предыдущий год:

Levi,t=в1Dummyi+в2lnSizei,t+ в3ROEi,t+ в4NILFi,t+ в5Growthi,t+ в6Liquidityi,t+ в7Taxi,t+ в8Tangibilityi,t +в9Levi,t-1 +еi,t (5)

Levi,t=в1Dummyi+в2lnSizei,t+ в3ROEi,t+ в4NILFi,t+ в5Growthi,t+ в6Liquidityi,t+ в7Taxi,t+ в8Tangibilityi,t+ в9Inflationi,t+ в10OilPricei,t+в11Levi,t-1 + еi,t (6)

Сначала была оценена спецификация модели (5), которая не включает макроэкономические переменные. Метод Бланделла-Бонда предполагает две вариации: обычный ОММ и двухшаговый ОММ. Двухшаговый отличается тем, что в нем учитывается оптимальная весовая матрица корреляции остатков модели с регрессорами. Двухшаговый ОММ часто является более эффективным. Метод Бланделла-Бонда оценивает систему уравнений в разностях и в уровнях. В качестве инструментов используются предшествующие значения финансового рычага и ROE.

Результаты двух регрессий представлены в таблице 10.

Таблица 10 - Результаты регрессии для спецификации модели (5): обычный и двухшаговый ОММ Бланделла-Бонда.

Variable	reg5_onestep	reg5_twostep
Dummy	-7.5712	-3.2404***
s.e.	7.9971	0.7106
ROE	-7.1692***	-7.0494***
s.e.	1.7521	0.4350
lnSize	0.9956**	5.9219***
s.e.	0.4266	0.3597
NILF	-4.2456	-1.2366***
s.e.	8.7635	0.1916
Growth	0.0034	0.0042***
s.e.	0.0041	0.0000
Liquidity	0.0131	-0.0002
s.e.	0.1283	0.0073
Tax	0.0017	-0.0002
s.e.	0.0068	0.0010
Tangibility	98.1458***	96.2487***
s.e.	22.9969	3.4948
L1.Lev	0.0021	0.0018***
s.e.	0.0023	0.0001

* - уровень значимости 10%;

** - уровень значимости 5%;

*** - уровень значимости 1%.

Значимость регрессии проверяется при помощи статистики Хи-квадрат. Обе регрессии значимы на любом уровне, так как значение P-value равно нулю. Что качается используемых инструментов, то они должны быть релевантными и валидными. Необходимость проверки релевантности не возникает, поскольку в качестве инструментов используются лаги зависимой переменной, а они не могут не коррелировать с объясняющими переменными. Для проверки валидности проводился тест Саргана. Согласно результатам данного теста, валидными оказались инструменты при оценке двухшаговым ОММ. Поэтому результаты регрессии, оцененной обычным ОММ, рассматриваться не будут.

Двухшаговый ОММ учитывает автокорреляцию остатков модели. Поэтому после оценки регрессии таким способом был проведен тест Ареллано-Бонда, проверяющий наличие автокорреляции. Нулевая гипотеза заключается в ее отсутствии. Результаты теста показывают наличие автокорреляции первого порядка и отсутствие автокорреляции более высоких порядков.

Таблица 11 - Результаты теста Ареллано-Бонда об отсутствии автокорреляции.

Order	z	Prob>z
1	4.091	0.0253
2	2.5597	0.1188
3	1.2579	0.2084

При оценке двухшаговым ОММ коэффициенты при всех переменных, кроме ликвидности и налога, значимы при уровне значимости 1%. Однако знаки коэффициентов по большей части не соответствуют выдвинутым гипотезам. Такое могло произойти из-за неточной спецификации модели. Посмотрим, что меняется с включением в модель макроэкономических переменных.

Спецификация модели (6) также была оценена обычным и двухшаговым ОММ. При использовании обычного ОММ инструменты также оказываются невалидными, поэтому результаты этой регрессии не будут рассматриваться. Результаты оценки спецификаций (5) и (6) двухшаговым ОММ представлены в таблице 12.

Таблица 12 - Результаты регрессии для спецификаций модели (5) и (6): двухшаговый ОММ Бланделла-Бонда.

Variable	reg5_twostep	reg6_twostep
Dummy	-3.2404***	1.1655*
s.e.	0.7106	1.3622
ROE	-7.0494***	-9.4307***
s.e.	0.4350	0.5442
lnSize	5.9219***	15.4360***
s.e.	0.3597	0.8392
NILF	-1.2366***	7.8642
s.e.	0.1916	0.9765
Growth	0.0042***	0.0050***
s.e.	0.0000	0.0002
Liquidity	-0.0002	-0.0555**
s.e.	0.0073	0.0248
Tax	-0.0002	0.0057***
s.e.	0.0010	0.0016
Tangibility	96.2487***	89.5969***
s.e.	3.4948	4.2559
Inflation		-0.3833***
s.e.		0.0301
OilPrice		-15.6214***
s.e.		1.0311
L1.Lev	0.0018***	-0.0007***
s.e.	0.0001	0.0001

* - уровень значимости 10%;

** - уровень значимости 5%;

*** - уровень значимости 1%.

Включение в модель макроэкономических переменных привело к улучшению значимости коэффициентов. Инвестиции в лизинг стали незначимы, однако ликвидность и налоги - значимы. Поэтому спецификация (6) будет считаться приоритетной. Здесь также отсутствует автокорреляция остатков (оценки стандартных отклонений несмещенные), о чем свидетельствуют результаты теста Ареллано-Бонда, представленные в таблице 13.

Таблица 13 - Результаты теста Ареллано-Бонда об отсутствии автокорреляции.

Order	z	Prob>z
1	0,2161	0.8289
2	2.2517	0.1243
3	0.0849	0.9323

В конце остается только исключить незначимую переменную NILF и сравнить результаты регрессий.

Таблица 14 - Результаты регрессии спецификации (6): двухшаговый ОММ Бланделла-Бонда. Поиск оптимальной спецификации.

Variable	reg6_twostep	reg6_twostep_end
Dummy	1.1655*	2.4947**
s.e.	1.3622	1.2000
ROE	-9.4307***	-9.1028***
s.e.	0.5442	0.5504
lnSize	15.4360***	14.3215***
s.e.	0.8392	0.9282
NILF	7.8642
s.e.	0.9765
Growth	0.0050***	0.0049***
s.e.	0.0002	0.0002
Liquidity	-0.0555**	-0.0584**
s.e.	0.0248	0.0272
Tax	0.0057***	0.0059***
s.e.	0.0016	0.0014
Tangibility	89.5969***	88.1445***
s.e.	4.2559	3.6430
Inflation	-0.3833***	-0.4010***
s.e.	0.0301	0.0397
OilPrice	-15.6214***	-14.4518***
s.e.	1.0311	0.9791
L1.Lev	-0.0007***	-0.0008***
s.e.	0.0001	0.0001

* - уровень значимости 10%;

** - уровень значимости 5%;

*** - уровень значимости 1%.

Теперь все коэффициенты значимы при уровне значимости 5%. Стандартные ошибки практически не изменились.

Уравнение регрессии, описывающее зависимость финансового рычага российских лизинговых компаний от принадлежности к банковской группе, а также от ряда контрольных переменных:

Levi,t=2,4947Dummyi + 14,3215lnSizei,t - 9,1028ROEi,t + 0,0049Growthi,t

- 0,0584Liquidityi,t + 0,0584Taxi,t + 88,1445Tangibilityi,t - 0,401Inflationi,t

- 14,4518OilPricei,t - 0,0008Levi,t-1

3.4 Интерпретация результатов и выводы

Коэффициенты при регрессорах значимы на уровне 5%. Главная гипотеза не отвергается, коэффициент при дамми-переменной значим и равен 2,4947. Принадлежность лизинговой компании к банковской группе влияет на величину экономического финансового рычага, причем положительно. При прочих равных условиях, финансовый рычаг банковской лизинговой компании будет больше на 2,4947 по сравнению с рычагом небанковской компании. Асимметрия информации между банком и лизинговой компанией отсутствует в случае, когда они входят в одну банковскую группу, банк располагает достоверной информацией о клиентах и рисках дочерней лизинговой компании, поэтому у лизинговой компании появляется больше возможностей для получения заемных средств.

Гипотезы относительно переменных, отвечающих за внутренние характеристики компаний, также подтвердились. Положительно влияют на величину экономического рычага размер компании, возможности роста, налоги и доля материальных активов. Обратная зависимость с рычагом характерна для рентабельности капитала и показателя ликвидности.

Наибольший по модулю коэффициент соответствует доле материальных активов. Однако это не значит, что этот фактор является определяющим. Значения показателей материальности очень низкие у российских лизинговых компаний. Среднее значение по данной переменной составляет всего 0,07%, в то время как максимальное по выборке - 0,63%. Поэтому, хотя и коэффициент при регрессоре очень большой, итоговый вклад данной переменной небольшой. Тем не менее, чем выше доля материальных активов компании, тем ниже издержки финансовой неустойчивости, поскольку материальные активы служат залогом и могут быть проданы. Поэтому доля заемных средств в структуре капитала лизинговых компаний тем выше, чем выше доля материальных активов в общем объеме активов. Однако стоит обратить внимание на то, что на вторичном рынке материальные активы часто могут оказаться неликвидными или морально устаревшими, что несколько ограничивает возможности перепродажи. (Ivanov, 2010)

Размер компании также демонстрирует прямое влияние на величину экономического рычага. Вероятность банкротства крупных компаний ниже, чем у небольших компаний, что позволяет им привлекать больше заемных средств, а значит и рычаг их будет выше. Кроме того, крупные компании чаще имеют хорошую репутацию среди потенциальных внешних инвесторов, что облегчает возможность дополнительного привлечения заемного капитала. Полученный результат подтверждает компромиссную теорию структуры капитала.

Чем больше возможности роста компании, тем больше ее экономический финансовый рычаг. Быстрый рост компаний является привлекательным для внешних инвесторов, кроме того, рост компании непременно сопровождается ростом лизинговых активов и для их финансирования компании используют заемные средства. Наличие положительной взаимосвязи подтверждает порядковую теорию финансирования, согласно которой быстрорастущим компаниям необходимо вкладывать больше средств в развитие бизнеса и, соответственно, они чаще обращаются к заемному финансированию, в особенности долгосрочному. (Ivashkovskaya and Solntseva, 2007), (Ivanov, 2010) При одинаковой рентабельности, компании с высокими темпами роста будут увеличивать долю заемных средств. (Гайфутдинова и Кокорева, 2011)

Еще одна переменная, положительно влияющая на экономический финансовый рычаг лизинговых компаний - налоги. Лизинговые компании попадают под льготное налогообложение, поэтому использование заемного финансирования позволяет им оптимизировать свои налоговые отчисления. Таким образом, большим значениям уплаченных налогов соответствуют более высокие показатели рычага. Эффект налогового щита выгоден компаниям: за счет увеличения доли заемного капитала и использования налоговых льгот лизинговые компании экономят на налоговых отчислениях. Положительный результат является подтверждением компромиссной теории структуры капитала.

Рентабельность капитала влияет отрицательно на величину экономического рычага лизинговых компаний. Это согласуется с порядковой теорией: в первую очередь компании используют для финансирования прибыль. Чем больше прибыль компании, тем больше рентабельность, а значит, тем меньше заемного капитала привлекает компания. Также было выявлено наличие эндогенности показателя рентабельности. Рост финансового рычага приводит к росту издержек финансовой неустойчивости. Рост издержек сопровождается снижением прибыли, а значит и снижением рентабельности.

Показатель ликвидности также влияет отрицательно. Компании предпочитают использовать высоколиквидные активы для финансирования лизинговых проектов. Поэтому чем выше показатель ликвидности, тем меньше компания нуждается в заемном финансировании. Стоит отметить, что высокий показатель ликвидности, скорее всего, приводит к снижению краткосрочного долга лизинговых компаний. (Shah and Jam-e-Kausar, 2012)

Значимой оказалась зависимость экономического финансового рычага от его значения за предыдущий год. Зависимость отрицательная, но коэффициент очень мал - всего -0,0008. При неизменности остальных факторов лизинговые компании ежегодно сокращали бы долг (поскольку компании с неизменными финансовыми показателями не вызывали бы доверия у внешних инвесторов). Однако такой тенденции не наблюдается, поскольку компании растут и расширяют свою деятельность, и эти эффекты сильнее влияния предыдущих решений о выборе структуры капитала.

По макроэкономическим переменным выдвинутые гипотезы отвергаются. Согласно результатам регрессии инфляция и среднегодовые цены на нефть отрицательно влияют на экономический рычаг лизинговых компаний. Рост инфляции повышает рискованность деятельности лизинговых компаний, поэтому они менее склонны привлекать заемный капитал. Кроме того, с ростом инфляции повышаются и риски для тех, кто предоставляет лизинговым компаниям заемные средства, поэтому кредиторы ужесточают требования, делая заемное финансирование менее доступным. В результате высокая инфляция приводит к снижению финансового рычага.

Рост цен на нефть стимулирует экономику России, это приводит к возрастанию спроса на финансовый лизинг, поэтому инвесторы ожидают роста стоимости лизинговых компаний. В это время компаниям выгодно выпускать акции, поскольку их стоимость завышена. В результате леверидж лизинговых компаний сокращается.



Заключение

Данная работа представляет собой эмпирическое исследование структуры капитала российских лизинговых компаний. В ней рассматривается три основных аспекта решений о структуре капитала. Во-первых, в данной работе исследуется разница в значениях финансового рычага российских лизинговых компаний в зависимости от того, является ли лизинговая компания дочерней компанией банка. Во-вторых, проверяется, какие из внутренних характеристик компаний, влияющих на выбор структуры капитала, могут быть применены по отношению к лизинговым компаниям. В-третьих, затрагивается вопрос о том, насколько макроэкономические условия России влияют на решения о структуре капитала лизинговых компаний. Показателем, определяющим структуру капитала лизинговых компаний, является экономический леверидж, который учитывает авансы, полученные лизинговыми компаниями. Набор данных, по которым проверяются гипотезы о детерминантах структуры капитала, включает в себя данные по 47 российским лизинговым компаниям за период с 2009 по 2014 год, общее количество наблюдений равно 282.

Данное исследование выявляет наличие зависимости между экономическим левериджем лизинговых компаний и их принадлежностью к банковским группам. Для этого были проведены анализ и систематизация литературы о структуре капитала компаний и особенностях деятельности лизинговых компаний. На основе данных финансовой отчетности ряда российских лизинговых компаний была рассчитаны показатели, затем была построена модель с опорой на результаты предыдущих исследований. Были рассмотрены различные спецификации модели и различные способы оценки. Наилучшие оценки коэффициентов регрессии были получены при помощи оценки обобщенным методом моментов Бланделла-Бонда.

Лизинговые компании были разделены на банковские и небанковские, для того чтобы разграничить компании, входящие в состав банковских групп, и независимые лизинговые компании. Основная гипотеза, проверяемая в данном исследовании, не отвергается. Принадлежность к банковским группам оказывает значимое влияние на экономический леверидж, причем положительное.

Другими детерминантами экономического рычага лизинговых компаний являются размер компании, возможности роста, уплаченные налоги и доля материальных активов, которые оказывают положительное влияние. Отрицательно влияют на рычаг рентабельность собственных средств и показатель ликвидности. Данные результаты подтверждают выдвинутые гипотезы.

На структуру капитала российских лизинговых компаний влияют также макроэкономические переменные. Инфляция и цены на нефть находятся в обратной зависимости с экономическим рычагом.

В рамках дальнейшего развития исследования может быть рассмотрено влияние других характеристик компаний на структуру капитала, таких как тип собственности, отрасль экономики, в которой компания осуществляет наибольшую часть сделок. Также более углубленно могут быть изучены причины различий финансового рычага банковских и небанковских лизинговых компаний.



Список использованной литературы

Литература на русском языке.

1. Бурханова А.А., Енков В.В., Коротченко Д.А., Кичкайло М.В., Марченко К.Ю., Рождественская А.Л., Смирнова И.Н., Улугова А.Э. Обзор современных исследований динамической компромиссной теории структуры капитала // Корпоративные финансы. 2012. №23, с. 70-86.

2. Газман В. Д. Банковское кредитование лизинга // Финансы. 2013. № 5, с. 22-26.

3. Газман В. Д. Леверидж в лизинге // Финансы. 2012. № 6, с. 19-23.

4. Газман В. Д. Лизинг России в 2014 году // Финансы. 2015. № 4. С. 20-26.

5. Газман В.Д. Неординарный лизинг. М.: Издательский дом НИУ ВШЭ, 2014.

6. Газман В. Д. О пользе лизинга в России: налоговые аспекты // Финансы. 2011. № , с. 24-28.

7. Газман В. Д. Формирование цен для лизинга строительного оборудования // СТТ: Строительная техника и технологии. 2015. № 1(109), с. 58-63.

8. Гайфутдинова Н. С., Кокорева М. С. Влияние поведенческих аспектов на структуру капитала российских публичных компаний // Корпоративные финансы. 2011. № 3, с. 44-58.

9. Доугерти К. Введение в эконометрику // М., Инфра-М. 2009.

10. Ратникова Т.А., Фурманов К.К. Анализ панельных данных и данных о длительности состояний: учеб. пособие, М.: Изд. дом Высшей школы экономики, 2014.

11. Литература на английском языке.

12. Booth, L., Aivazian, V., Demirguc-Kunt, A. and Maksimovic, V. (2001) Capital Structures in Developing Countries // The Journal of Finance. 2001. №LVI, pp. 87-130.

13. Cameron, A.C. and Trivedi, P.K. Microeconometrics Using Stata // Stata Press. 2009.

14. Daskalakis, N. and Psillaki, M. Do Country or Firm Factors Explain Capital Structure? Evidence from SMEs in France and Greece // Applied Financial Economics. 2008. №18, pp. 87-97.

15. Fama E.F., French K.R. Testing Trade-off and Pecking Order Predictions about Dividends and Debt // Review of Financial Studies. 2002. №1, pp. 1-33

16. Graham, J. R. and Harvey, C. The Theory and Practice of Corporate Finance: Evidence from the Field // Journal of Financial Economics. 2001. №60, pp. 187-243.

17. Gropp, R. and Heider, F. The Determinants of Bank Capital Structure, Working Paper // European Central Bank, Germany. 2009.

18. Gropp, R. and Heider, F. What Can Corporate Finance Say about Banks' Capital Structures? // Working paper, SSRN. 2007.

19. Gujarati, D. Basic Econometrics // McGraw-Hill, 1995.

20. Hirshleifer, D. and Thakor, A. V. Managerial Reputation, Project Choice and Debt // Working Paper No. 14-89, Anderson Graduate School of Management at UCLA. 1989.

21. Hol, S. and Van der Wijst, N. The Financial Structure of Non-listed Firms // Applied Financial Economics. 2008. №18, pp. 559-68.

22. Hoque, H. and Kashefi-Pour, E. Bank Level and Country Level Determinants of Bank Capital Structure and Funding Sources // available at SSRN 2648129. 2015.

23. Hsiao, C. Panel Data Analysis - Advantages and Challenges // TEST. 2007. №16, pp. 1-22.

24. Iqbal, A., Mulani, J. and Kabiraj, S. Leverage, Size of the Firm and Profitability: a Case of Pakistani Cement Industry // International Journal of Business Insights & Transformation. 2013. №1, pp. 16-22.

25. Ivanov, I. Capital Structure Determinants of Russian Public Companies // Journal of Corporate Finance Research. 2010. №13, pp. 5-38

26. Ivashkovskaya I.V., Solntseva M.S. The Capital Structure of Russian Companies: Testing Tradeoff Theory versus Pecking Order Theory // EJournal of Corporate Finance. 2007. №2 (2), pp. 17-31.

27. Moиnik, D. and Љirec, K. Determinants of a Fast-Growing Firm's Profits: Empirical Evidence for Slovenia // Annals of the Alexandru Ioan Cuza University - Economics. 2015. №1, pp. 37-54.

28. Modigliani F., Miller M. H. The Cost of Capital, Corporation Finance and the Theory of Investment // Amer. Econ. Rev. 1958. June, pp. 261--297

29. Myers, S. Determinants of Corporate Borrowing // Journal of Financial Economics. 1977. №5, pp. 147-75.

30. Myers, S. The Capital Structure Puzzle // Journal of Finance. 1984. №39, pp. 575-592.

31. Myers, S. C. and Majluf, N. S. Corporate Financing and Investment Decisions When Firms Have Information that Investors Do not Have // Journal of Financial Economics. 1984. №13, pp. 187-221.

32. Noulas, A. and Genimakis, G. The Determinants of Capital Structure Choice: Evidence from Greek Listed Companies // Applied Financial Economics. 2011. №21, pp. 379-87.

33. Octavia, M. and Brown, R. Determinants of Capital Structure in Developing Countries: Regulatory Capital Requirement versus the Standard Determinants of Capital Structure // presented at The European Financial Management Association Annual Meeting, Athens. 2008.

34. Ozkan, A. Determinants of Capital Structure and Adjustments to Long Run Target: Evidence from UK Company Panel Data // Journal of Business Finance and Accounting. 2001. №28, pp. 175-95.

35. Rajan, R. and Zingales, L. What Do We Know about Capital Structure? Some Evidence from International Data // Journal of Finance. 1995. №50, pp. 1421-60.

36. Ramlall, I. Determinants of Capital Structure among Non-quoted Mauritian Firms under Specificity of Leverage: Looking for a Modified Pecking Order Theory // International Research Journal of Finance and Economics. 2009. №31, pp. 83-92.

37. Shah S.Z.A. and Jam-e-Kausar. Determinants of Capital Structure of Leasing Companies in Pakistan // Applied Financial Economics. 2012. №2, pp. 1841-1853.

38. Stiglitz, J. E. A Re-examination of the Modigliani- Miller Theorem // American Economic Review. 1969. №59, pp. 784-93.

39. Williams, J. The Theory of Investment Value // Cambridge, MA: Harvard University Press. 1938.

40. ?stekin ?. (2015) Capital Structure Decisions around the World: Which Factors Are Reliably Important? // Journal of Financial and Quantitative Analysis. 2015. №3, pp. 301-323.

41. Интернет-источники.

42. Росстат. http://www.gks.ru/

43. Финам. http://www.finam.ru/



Приложение 1

Источник: Газман В.Д. Лизинг в России в 2014 году. 2015. С. 21.

Лизинг в России в 2005-2014 гг.

	2005 г.	2006 г.	2007 г.	2008 г.	2009 г.	2010 г.	2011 г.	2012 г.	2013 г.	2014 г.
Новые договоры лизинга, млрд. руб.	241	463	832	657	325	730	1290	1312	1321	1092
Портфель договоров лизинга, млрд. руб.	349	589	985	1026	916	1100	1780	2362	2670	3067
Превышение портфеля над новым бизнесом, в разы	1.448	1.272	1.184	1.562	2.818	1.507	1.380	1.800	2.021	2.809



Приложение 2

Источник: Газман В.Д. Неординарный лизинг. 2014. С. 46.

Значимость источников финансирования лизинга в России в 2007-2013 гг.

Источник финансирования	Удельный вес источника в общем объеме финансирования, %
	2007 г.	2008 г.	2009 г.	2010 г.	2011 г.	2012 г.	2013 г.
Банковские кредиты, всего	59.5	57.7	52.2	67.1	61.0	63.8	64.5
в том числе:
российских банков	48.1	46.5	39.7	56.4	52.6	54.6	56.7
зарубежных банков	11.4	11.2	12.5	10.7	8.4	9.2

Подобные документы

• Анализ инвестиционных характеристик высоколиквидных российских акций

  Общая характеристика предприятия, направления хозяйственной деятельности и организационная структура. Выявление наиболее ликвидных акций российских компаний. Определение методики анализа инвестиционных характеристик акций, ее использование на практике.
  
  курсовая работа [144,7 K], добавлен 20.10.2014
  

• Изменение инвестиционной привлекательности акций российских нефтегазовых компаний на современном этапе развития российского фондового рынка

  Анализ внешних и внутренних факторов, влияющих на изменения инвестиционной привлекательности нефтяных компаний. Оценка инвестиционной привлекательности акций на примере ведущих российских компаний "Лукойл" и "Роснефть", анализ динамики ее изменения.
  
  дипломная работа [1,9 M], добавлен 13.07.2015
  

• Инвестирование финансовых ресурсов страховых организаций в банковские активы

  Страхование как один из видов экономических отношений. Анализ динамики и структуры инвестиций российских страховых компаний. Рассмотрение основных целей и задач страховых брокеров. Особенности государственного регулирования инвестиционной деятельности.
  
  курсовая работа [72,0 K], добавлен 20.12.2012
  

• Особенности выхода российских компаний на международный рынок публичного размещения акций (IPO) на примере группы компаний "QIWI"

  IPO как инвестиционный механизм расширения бизнеса. Направления развития мирового и российского рынков первичных публичных размещений акций в среднесрочной перспективе на основе анализа их состояния. Оценка факторов установления цены размещения акций.
  
  дипломная работа [887,9 K], добавлен 08.10.2015
  

• Анализ инвестиционной деятельности ООО СК "Коместра-Томь"

  Инвестиционная деятельность и оценка возможностей зарубежных страховых компаний. Общая характеристика инвестиционной деятельности российских страховых компаний. Направления совершенствования инвестиционной деятельности страховых компаний на сегодня.
  
  дипломная работа [178,5 K], добавлен 28.06.2011
  

• Лизинговые отношения коммерческих банков

  Принципы построения лизинговых отношений коммерческих банков. Классификация лизинга и лизинговых операций, их основное содержание. Преимущества и перспективы лизинговых операций. Особенности современной ситуации на рынке лизинговых услуг в России.
  
  курсовая работа [157,3 K], добавлен 06.08.2011
  

• Финансовая устойчивость страховых компаний

  Источники и методики анализа финансовых показателей страховых компаний. Методы расчета рейтингов страховых компаний. Организационно-экономическая характеристика МСК "АсСтра", анализ показателей страховых операций, проект финансового плана на текущий год.
  
  курсовая работа [142,1 K], добавлен 19.12.2009
  

• Взаимодействие зарубежных и отечественных страховых компаний

  Анализ привлекательности российского страхового рынка для зарубежных компаний. Интеграция российских страховых компаний в международный страховой рынок и деятельность иностранных страховщиков на российском рынке. Перестрахование в сфере страхового рынка.
  
  контрольная работа [29,5 K], добавлен 06.09.2010
  

• Лизинговые сделки как часть новой сферы банковских услуг

  Определение понятия, сущность и функции лизинга. Рассмотрение основ управления рисками при лизинговых операциях банка. Предмет сделки – объект собственности, за эксплуатацию которого полностью отвечает клиент. Эффективность лизинговых операций банка.
  
  реферат [23,1 K], добавлен 03.05.2015
  

• Организация, оформление и учет лизинговых операций в кредитных организациях

  Сущность лизинга, его предмет, субъекты и объекты. Функции лизинга и его виды. Основные преимущества и недостатки лизинга. Учет лизинговых операций. Характеристика счетов для учета лизинговых операций. Документальное оформление лизинговых операций.
  
  курсовая работа [98,2 K], добавлен 22.03.2008
  

• Лизинговые операции коммерческих банков

  Сущность лизинга, его предмет, субъекты и объекты. Выявление преимуществ лизинговых операций для банка и оценка их результативности. Сравнительный анализ экономической эффективности от кредита и лизинга. Основные методики анализа лизинговых операций.
  
  курсовая работа [56,7 K], добавлен 12.12.2014
  

• Анализ рейтинга страховых компаний в России и за рубежом

  Структура страхового рынка и характеристика видов страхования. Методики составления рейтингов для оценки конкурентоспособности страховых компаний. Сравнительный анализ российских и американских рейтингов. Проблемы и перспективы развития страхования в РФ.
  
  курсовая работа [52,5 K], добавлен 10.04.2014
  

• Организация лизинговых операций коммерческого банка АКБ "Абсолют Банк"

  Понятие, виды и общие принципы оценки эффективности лизинга. Нормативное регулирование лизинговых операций. Методика расчета лизинговых платежей. Расчет платежа по лизингу. Предложения по повышению эффективности лизинговых операций коммерческого банка.
  
  дипломная работа [284,5 K], добавлен 29.01.2015
  

• Стратегии интернационализации российских банков

  Исследование стратегий интернационализации фирм и причин выхода компаний на зарубежные рынки. Выявление специфических характеристик банковской деятельности и банковских услуг. Анализ влияния факторов на решение об интернационализации российских банков.
  
  дипломная работа [255,3 K], добавлен 09.09.2016
  

• Рынок ценных бумаг

  Возникновение ценных бумаг и их развитие в России. Понятия и требования, предъявляемые к ценным бумагам. Виды ценных бумаг. Деятельность банков в качестве инвестиционных компаний. Фондовые индексы российских компаний. Рынок корпоративных облигаций.
  
  курсовая работа [55,0 K], добавлен 25.05.2014
  

• Анализ финансовой устойчивости страховых компаний

  Методики анализа показателей финансовой устойчивости страховых компаний. Анализ и особенности деятельности страховых компаний в современных условиях (на примере САК «Энергогарант»). Рекомендации по повышению эффективности финансовой деятельности.
  
  дипломная работа [202,7 K], добавлен 09.12.2011
  

• Рассмотрение современных методов банковского анализа публикуемой отчетности в теории и на практике

  Отчетность банка как объект экономического анализа, цели, задачи и проблемы ее полноты и достоверности. Краткая финансово-экономическая характеристика, анализ состава, структуры и динамики активов и пассивов, доходов и расходов, пути совершенствования.
  
  курсовая работа [92,0 K], добавлен 13.11.2013
  

• Лизинговые операции коммерческих банков

  Основные принципы и особенности лизинговых отношений. Современный рынок лизинговых услуг: участники, формы и функции. Этапы проведения лизинговой операции. Особенности современной ситуации в России, влияющие на развитие лизинговых операций банков.
  
  курсовая работа [133,1 K], добавлен 10.11.2010
  

• Анализ собственного капитала банка ОАО "Сберегательный банк России"

  Организационно-правовая характеристика деятельности банка Российской Федерации. Пути совершенствования анализа его собственного капитала. Развитие финансово-кредитной системы. Оценка экономического тяготения нормативов капитала и ликвидности банков.
  
  курсовая работа [102,2 K], добавлен 16.12.2014
  

• Современное состояние и направления развития лизинга в РФ

  Сущность и классификация лизинга, система построения лизинговых отношений и расчетов в Российской Федерации. Перспективы и анализ современного развития лизинговых отношений в Российской Федерации и в Алтайском крае, составление лизинговых договоров.
  
  курсовая работа [88,7 K], добавлен 28.07.2010
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам