Теперь сравним все модели между собой Приложение: Промышленный сектор. Как и в ситуации с российскими компаниями адекватнее всего оказалась модель с детерминированным индивидуальным эффектом.

Перейдем к тестированию второй гипотезы.

К сожалению, как и в ситуации с российскими компаниями низкое значение и значение статистики Вальда не позволяют нам тщательно проверить гипотезу о влиянии гудвилла и нематериальных активов на рентабельность активов в этом секторе экономики.



Глава 3. Сектор коммуникационных технологий

Выборка по сектору коммуникационных технологий получилась намного меньше, она состоит всего из 10 компаний. Рассматриваемый период: 2010-2014 год.

В первую очередь следует обратить внимание на . Он равен 0,9769 , 0,9473 и 0,9711 для моделей Pool, FE и RE соответственно. Для модели RE обратим внимание на значение статистики Вальда =13,29 Следовательно, наши модели оказались удачными. Все три модели значимы. Теперь посмотрим на коэффициенты при объясняющих переменных и их значимость.

В модели Pool практически все коэффициенты значимы на 1% уровне значимости, только коэффициент при логарифме net income значим на 5% уровне значимости. В модели FE значим только коэффициент при логарифме gross profit на уровне значимости 5%. В модели RE коэффициент при логарифме goodwill значим на 5% уровне значимости, gross profit значим на 1% уровне значимости, а net income на 10% уровне значимости.

Заметим, что коэффициент при логарифме gross profit так же как в промышленном секторе значим во всех моделях.

Теперь попарно сравним наши модели.

При сравнении моделей между собой Приложение: Сектор коммуникационных технологий, наиболее адекватной оказалась модель Fixed Effect.

Ситуация аналогична двум предыдущим рассмотренным выше. Результаты расчетов можно найти в приложении. Приложение: Сектор коммуникационных технологий

Сектор основных материалов

В нашей выборке сектор основных материалов является самым большим по количеству фирм участников. Он включает в себя 39 компаний. Период мы рассматриваем тот же, 5 лет с 2010 по 2014 год.

Тестирование гипотезы №1

Этот сектор примечателен тем, что результаты, которые были получены при анализе данных фирм, входящих в него, не соответствуют результатам, полученным при анализе российских компаний или же других секторов.

Мы смотрим в точности такие же модели. Но размер и значение статистики Вальда не позволяют нам считать данные модели удачными Приложение: Сектор основных материалов, и посмотреть на влияние гудвилла и нематериальных активов на остальные активы мы не можем.

Тестирование гипотезы №2

Тем не менее, гипотезу о том, что гудвилл и нематериальные активы влияют на рентабельность активов, в данном случае нам удалось посмотреть и проанализировать.

Напомним, что мы строим следующую модель:

,

Эта модель оценивается с помощью обычного МНК (OLS). Результаты представлены в таблице:

Из полученных результатов мы можем видеть, что модель в целом значима. =0,6563 позволяет рассматривать модель как удачную. Коэффициенты при переменных логарифма goodwill и логарифма net_income значимы на 1% уровне значимости, остальные коэффициенты оказались незначимы.

В данной модели наибольшая эластичность по переменной net income она же и единственная является положительной. По всем остальным переменным эластичность оказывается отрицательной.

Далее рассмотрим модель Fixed Effect. Она специфицирована следующим образом:

,

Переменные отвечают за индивидуальный эффект для каждой фирмы. Результаты оценки модели следующие:

Модель в целом значима. =0,3988 хоть и достаточно мал, но, тем не менее, позволяет объяснять около 40% вариации ROA. Значим только коэффициент при логарифме net income, остальные коэффициенты оказались не значимы.

Показатель говорит, что примерно 70,9% вариации данных описывается индивидуальными эффектами.

В данной модели ROA имеет наибольшую эластичность, так же как и в модели Pool по net income, а наименьшую по goodwill.

Теперь посмотрим на модель Random Effect и проанализируем полученные результаты.



,

Где

Результаты оценивания модели RE методом ОМНК

Мы так же получили, что модель в целом значима, об этом нам говорит достаточно большое значение статистики Вальда (Wald chi2(4) = 38,93). Коэффициент при логарифме goodwill и net income значим на 1% уровне значимости. Остальные коэффициенты не значимы.

Для более наглядного представления различия коэффициентов и их значимости в различных моделях посмотрим на обобщающую таблицу.

Оценки коэффициентом по направлению совпадают во всех моделях. Примечательно, что эластичность ROA по гудвиллу и нематериальным активам во всех трех моделях отрицательна.

Сравнение моделей:

При сравнении моделей RE и Pool с помощью теста Бройша-Пагана мы определили, что лучше будет рассматривать модель RE.

Модели FE и RE сравниваем с помощью теста Хаусмана,

Как мы видим, наблюдаемое значение статистики а p-value=0,4528>0,1, то есть нулевая гипотеза состоятельны и ассимптотически эффективны не отвергается, значит мы можем рассматривать модель RE.

Подробнее проанализируем выбранную модель Random Effect с экономической точки зрения. Мы имеем высокий . Таким образом, модель объясняет больше 65% изменения ROA. Эластичность ROA по гудвиллу будет -2,02 при этом по нематериальным активам: -0,062.

Выбор модели Random Effect может быть интерпретирован следующим образом. Наша выборка включает в себя только компании сектора основных материалов, выборка более однородна, чем в случае с компаниями всех секторов, поэтому разброс по компаниям меньше. На наличие индивидуальной ошибки может повлиять региональное размещение компаний и их политики по ведению бизнеса.

Как мы увидели, картина для российских компаний, не всегда применима для отдельного сектора. Компании в каждом из секторов отличаются и своими активами, и наличием гудвилла, интересно, что в одних секторах гудвилл имеет влияние на рентабельность активов, а в других секторах на величину других активов.

Влияние гудвилла и нематериальных активов, как на стоимость остальных активов, так и на рентабельность активов неоднородно для российского рынка.

По мере увеличения информации о гудвилле в отчетных данных российских компаний, можно будет провести исследование неоднородности влияния нематериальных активов на финансовые итоги их деятельности на более надежном статистическом материале.

Используя выборку из 193 фирм по российским компаниям, мы протестировали две гипотезы. На основании построенных моделей и проведенных тестов мы получили следующие результаты:

Гипотеза №1 подтверждается. Гудвилл и нематериальные активы влияют на стоимость остальных активов компании. Коэффициент при логарифме гудвилла значим на 5% уровне значимости, а коэффициент при логарифме нематериальных активов значим на 1% уровне значимости. Кроме того, мы увидели, что коэффициент при логарифме gross profit так же значим на 1% уровне значимости. Данные коэффициенты являются эластичностью total assets по гудвиллу, нематериальным активам и gross profit соответственно. Как мы можем заметить, эластичность по gross profit выше остальных и довольно высокая. Таким образом, формирование total assets происходит, в значительной степени, за счет gross profit, но и нематериальные активы и гудвилл влияют на стоимость остальных активов. Gross profit имеет большое влияние за счет того, что формирование нематериальных активов напрямую зависит от этого показателя. Модель Fixed Effect оказалась наиболее актуальной. Экономически это может быть обоснованно тем, что выбраны были именно российские компании, которые имеют свою особую специфику.

Мы не можем с точностью сказать, какова направленность взаимосвязи между гудвиллом и остальными активами, либо между последними и нематериальными активами. Можно сделать вывод, что чем больше у компании нематериальных активов, чем больше руководство вкладывает в создание новых технологий и патентов, тем больше становится стоимость остальных активов. Либо если у компании хорошая деловая репутация, хорошие отношения с клиентами, тем лучше она привлекает инвесторов и тем сильнее растут остальные ее активы. Но может наблюдаться и обратная ситуация, когда компания крупная и на ее счетах много материальных активов и запасов, тем больше она внушает доверия, тем большую прибыль она может принести, и тем больше будет гудвилл при ее приобретении. Точно так же и с нематериальными активами, чем больше компания, чем больше у нее материальных активов, тем выгоднее вкладываться в нематериальные активы, например в патент для разработки продукции, потому что с большей вероятностью эти инвестиции окупятся, чем в ситуации с более мелкой компанией.

Вопрос о направлении связи между переменными остается открытым и требует более глубокого изучения в будущем. К сожалению, на данной выборке в связи с ее маленьким объемом, проверить направление взаимосвязи не представляется возможным.

Гипотезу №2 проверить не удалось, в связи с тем, что построенные нами модели оказались слабо применимы для российского рынка. Возможно это результат специфики нашего рынка, где goodwill имеет все еще слабое распространение; как мы видели из обзора литературы, влияние нематериальных активов на других рынках существует. Gamayuni R. R. The effect of intangible asset, financial performance and financial policies on the firm value //International journal of scientific and technology research. - 2015. - Т. 4. - №. 01.

Далее мы рассмотрели три более маленькие и однородные выборки промышленного сектора (37компаний), сектора коммуникационных технологий (10 компаний) и сектора основных материалов (39 компаний). И обнаружили, что результаты тестирования гипотез на отдельных секторах экономики не всегда совпадают с результатами тестирования российских компаний. На примере сектора основных материалов мы увидели, что гудвилл имеет влияние на рентабельность активов, что не прослеживалось на выборке из российских компаний. В данной модели коэффициент при логарифме гудвилла значим на 1% уровне значимости, и имеет отрицательный знак. Это может объясняться спецификой выбранной отрасли.

Заключение

Российская экономика позволила компаниям осуществлять сделки слияния и поглощения относительно недавно, поэтому и понятие гудвилл в России довольно новое, и относительно небольшое количество компаний имеют данные показатель в своих отчетах.

В связи с тем, что сделок по слиянию и поглощению сейчас происходит намного больше, а понятие гудвилл постепенно обретает более значимый смысл.

Главной целью нашей работы было проанализировать влияние гудвилла и нематериальных активов на стоимость активов компании, а так же выяснить, существует ли влияние первых на рентабельность активов.

Нами была проанализирована выборка из 193 компаний всех секторов Российской экономики и три выборки меньшего объема компаний отдельных секторов за период с 2010 по 2014 год. Данный период выбран не случайно, он находится между кризисом 2008-2009 года и начинающимся кризисом 2015-2016 года. Получается этот период довольно однороден и можно выявить эффект влияния гудвилла и нематериальных активов, в то время как в период кризиса он может быть перекрыт влиянием более серьезных экономических изменениями.

Мы выяснили, что действительно, для компаний российского рынка существует влияние нематериальных активов и гудвилла на стоимость активов компании и оно положительно. Влияние нематериальных активов выражено сильнее и более значимо. Вероятнее всего, данные результаты вызваны спецификой российской экономики и российских компаний. Но влияние нематериальных активов или гудвилла на рентабельность активов компаний обнаружено не было.

При рассмотрении отдельных секторов экономики, было обнаружено, что влияние гудвилла и нематериальных активов на стоимость активов компании и на рентабельность активов неоднородно. Для одних секторов экономики гудвилл имеет влияние на рентабельность активов, а для других нет. То же самое происходит и по отношению к стоимости активов.

До настоящего момента гудвилл не рассматривался как фактор, имеющий значительное влияние на показатели компаний в России, данная работа сделана с целью заполнения пробелов в данном направлении исследования.

Как мы уже говорили выше, количество компаний, отражающих гудвилл в своей отчетности, с каждым годом становится все больше и больше. Промежуток доступный для анализа в будущем будет расширяться, и результаты нашего исследования могут помочь проследить динамику изменения эффекта, который оказывают гудвилл и нематериальные активы. Кроме того, когда появятся данные финансовых показателей компаний за кризисные года, было бы интересно посмотреть, меняется ли в этот период степень влияния гудвилла и нематериальных активов на стоимость активов компании.



Список литературы

1. Бровкина Н. Д. Международные стандарты финансовой отчетности //Сельское хозяйство (МСФО IAS). - 2010. - Т. 41. - С. 100.

2. Григорьева С. А., Гринченко А. Ю. Влияние сделок слияний и поглощений в финансовом секторе на стоимость компаний-покупателей на развивающихся рынках капитала //Корпоративные финансы. - 2013. - №. 4. - С. 28.

3. Коломак Е.А. Эконометрический анализ панельных данных. -- Новосибирск: НГУ, 2007.

4. Кузубов С. А. Развитие концептуальных подходов к измерению гудвилл с исторической перспективы. Часть 2 //Корпоративные финансы. - 2014. - №. 4 (32).

5. Кузубов С. А. Развитие концептуальных подходов к измерению гудвилл с исторической перспективы. Часть 1 //Корпоративные финансы. - 2014. - №. 3 (31).

6. Ратникова Т. А. Введение в эконометрический анализ панельных данных //Экономический журнал Высшей школы экономики. - 2006. - Т. 10. - №. 2.

7. Суслов В. И. и др. Эконометрия-3. Курс лекций.

8. Aquino, C., Rensel. A., Rensel. C., & Lee. T. The Impact of Goodwill Impairment on Stick Volatility//Journal of International Finance and Economics - 2011- №11(2).

9. Board F. A. S. Statement of financial accounting standards no. 142 //Goodwill and other intangible assets, Norwalk, CT: FASB. - 2001.

10. Castro, W. B. D. L., & Benetti, C. The Impact of Intangible Assets in the Market Value of Companies That Compose the Index of Brazilian Stock Exchange.

11. Gamayuni R. R. The effect of intangible asset, financial performance and financial policies on the firm value //International journal of scientific and technology research. - 2015. - Т. 4. - №. 01.

12. Hsiao C. Analysis of Panel Data. -- Cambridge University Press, 1986.

13. Li H., Wang W. Impact of Intangible Assets on Profitability of Hong Kong Listed Information Technology Companies //Business and Economic Research. - 2014. - Т. 4. - №. 2. - С. 98.

14. Luvaas A. The Effects of Goodwill Impairments on Stock Prices. - 2014.

15. Pozzoli M., Romano R., Romolini A. Measurement and Impairment of Intangible Assets in the Italian Stock Exchange //Economia Aziendale Online. - 2011. - Т. 2. - №. 1. - С. 65-73.

16. Рapkauskienл A., Leitonienл Р. The Analysis of Factors Influencing the Write-off of Goodwill //Procedia-Social and Behavioral Sciences. - 2014. - Т. 156. - С. 643-647.



Приложения

Приложение 1

Описательные статистики

Приложение 2

Графический анализ



График: Goodwill

График: Inangible assets

Приложение 3

gen tass=bs_tot_asset

gen ni=net_income

gen roa=return_on_asset

gen gdw=bs_goodwill

gen inta=bs_disclosed_intangibles

gen ingdw=intagdw

gen t_a=net_tot_ass

gen gp=gross_profit

gen lntass=log(tass)

gen lnni=log(ni)

gen lngdw=log(gdw)

gen lninta=log(inta)

gen lningdw=log(ingdw)

gen lnta=log(t_a)

gen lngp=log(gp)

//opysatelnye statistici

xtset id t

xtdes

xtsum t_a gdw ingdw ni gp

//graphs gdw, t_a, intgdw

ssc install vioplot

vioplot gdw, over(t)

vioplot t_a, over(t)

vioplot intagdw, over(t)

global data "t_a gdw ingdw ni gp"

levelsof t, local(years)

foreach y of local years {

display "period == `y'"

sum $data if t == `y'

}

foreach var of global data {

egen mt`var' = mean(`var'), by(t)

gen dt`var' = `var' - mt`var'

}

twoway (scatter gdw t) (connect mtgdw t, sort)

twoway (scatter t_a t) (connect mtt_a t, sort)

twoway (scatter ingdw t) (connect mtingdw t, sort)

//logorifmy

xtset id t

xtdes

xtsum lnta lngdw lningdw lnni lngp

global data "lnta lngdw lningdw lnni lngp"

levelsof t, local(years)

foreach y of local years {

display "period == `y'"

sum $data if t == `y'

}

foreach var of global data {

egen mt`var' = mean(`var'), by(t)

gen dt`var' = `var' - mt`var'

}

vioplot lngdw, over(t)

vioplot lnta, over(t)

vioplot lningdw, over(t)

twoway (scatter lngdw t) (connect mtlngdw t, sort)

twoway (scatter lnta t) (connect mtlnta t, sort)

twoway (scatter lningdw t) (connect mtlningdw t, sort)

// for tot_ass

reg lnta lngdw lningdw lnni lngp

est store pool

xtset id t

xtreg lnta lngdw lningdw lnni lngp, fe

est store fe

xtreg lnta lngdw lningdw lnni lngp, re

est store re

est tab pool fe re, stats(N) star(.1, .05, 0.01)

// for tot ass end

xtreg lnta lngdw lningdw lnni re

xttest0

hausman fe re

// for roa

reg roa lngdw lningdw lnni lngp

est store pool

xtset id t

xtreg roa lngdw lningdw lnni lngp, fe

est store fe

xtreg roa lngdw lningdw lnni lngp, re

est store re

est tab pool fe re, stats(N) star(.1, .05, 0.01)

//for roa end

xtreg lnta lngdw lningdw lnni re

xttest0

hausman fe re

Размещено на Allbest.ru

...