Оценка возможности получения прибыли предприятий черной металлургии

Размещено на http://www.allbest.ru/

Оценка возможности получения прибыли предприятий черной металлургии

В.А. Бобровский

Деятельность любого инвестора связана с определенными рисками. Именно поэтому залогом его успешной деятельности служит способность управлять рисками в рыночных условиях с целью получения прибыли. Прибыль может быть легко вычислена по факту (в конце периода), однако она является неопределенной величиной при принятии решения о капиталовложении. Поэтому прибыль при принятии решения будем интерпретировать как ожидаемую норму прибыли.

Кроме величины ожидаемой прибыли от капиталовложений необходимо также знать возможное распределение прибыли, где прибыль рассматривается как случайная величина. Риск, связанный с капиталовложениями, обычно характеризуется распределением таких возможных прибылей. Стандартный подход предполагает, что прибыль распределяется по нормальному закону и может быть описана двумя параметрами: ожидаемым (средним) значением М(х) и дисперсией D(x). При этом под риском обычно принято понимать стандартное отклонение прибыли а. Такой подход удобен при сопоставимости данных, в анализе рынка экономисты предпочитают использовать относительные критерии, не зависящие от единиц измерения. Подобно понятию эластичности, для риска экономисты сочли возможным использовать параметр в, характеризующий соотношение риска получения прибыли от данного эмитента и распределения прибылей на всем рынке. Полученный инструмент является одним из важных приобретений для инвестора в прогнозировании прибыли предприятия по данным альтернативных предприятий.

Для статистического анализа прибыли предприятий была сформирована выборка объектов -- металлургических предприятий за период 2005-2006 гг. с признаками, всесторонне характеризующими хозяйственную деятельностью.

Первым шагом в разработке практического инструмента является изучение выборки рынка черной металлургии и разбиение имеющейся совокупности на группы. Такой подход к определению рисков основан на том, что параметры, характеризующие совокупность предприятий, являются более значимыми, чем параметры, характеризующие конкретное предприятие. Из этого следует, что значение риска, определенного по группе предприятий, является величиной более значимой, чем риск, определенный по одному предприятию.

В общем смысле под группировкой понимают выделение однородных единиц согласно поставленным целям. Так, при изучении рынка предприятий черной металлургии группировка будет производиться по показателям, характеризующим хозяйственную деятельность предприятий. В связи с многомерностью описания предприятий наибольшее распространение в практике анализа экономических явлений и процессов получили кластерный анализ, метод главных компонент и факторный анализ. В предлагаемой работе в качестве метода группировки использован кластерный анализ. Поэтому полученные в результате разбиения однородные группы будут называться в соответствии с принятой терминологией кластерами.

Наиболее трудным при реализации данного метода считается определение однородности объектов, которые задаются введением расстояния между объектами. Самыми распространенными методами выбора расстояния считаются процедуры «ближайшего соседа», «дальнего соседа» и «средней связи». В задачах кластерного анализа часто используют Евклидово расстояние

Важным вопросом при проведении кластерного анализа является выбор признаков осуществляемой классификации. В основу должны быть положены признаки, определяющие поведение результирующего показателя. В рассматриваемом случае результирующим показателем является экономически добавленная стоимость, которая определяется в первую очередь признаками, характеризующими результаты хозяйственной деятельности предприятий. Для классификации 22 предприятий черной металлургии задействовано семь нижеприведенных признаков:

X1 -- прибыль балансовая, млн р.;

^2 -- прибыль к прошлому году, %;

X3 -- товарная продукция, тыс. т;

X4 -- товарная продукция к прошлому году, %;

X5 -- затраты на 1 р. товарной продукции, к.;

X6 -- среднесписочная численность работников, тыс. чел.;

X7 -- средняя заработная плата, тыс. р.

Представим зависимость между прибылью и объемом товарной продукции имеющейся совокупности предприятий графически (рис. 1, 2) для предположения о количестве кластеров, на которое могут быть разбиты предприятия металлургического комплекса.

Анализ графика распределения предприятий по объему реализованной товарной продукции и балансовой прибыли (рис. 1) наглядно показывает, что предприятия могут быть разбиты на три кластера.

Рис. 1. Зависимость распределения балансовой прибыли и выпуска продукции в 2005 г.

Аналогичное графическое представление по данным 2006 г. (рис. 2) отражает укрепление позиций предприятий 3-го кластера; с другой стороны, ослабевают позиции предприятий 1-го кластера, но графическое представление также показывает возможность разбиения предприятий на три группы.

Воспользуемся процедурой, основанной на близости объектов совокупности -- «ближайшего соседа» с помощью пакета Statistica для разбиения на кластеры предприятий черной металлургии. Результат построения кластеров наглядно представляет дендрограмма (рис. 3).

Рис. 2. Зависимость распределения балансовой прибыли и выпуска продукции в 2006 г.

При разбиении совокупности предприятий черной металлургии, по данным 2005 г., в первый кластер попали три наиболее крупных предприятия отрасли--ОАО «Северсталь», ОАО «Новолипецкий металлургический комбинат» и ОАО «Магнитогорский металлургический комбинат», во второй -- одно предприятие -- ОАО «Нижнетагильский металлургический комбинат», в третий кластер -- 18 предприятий. Данное разбиение является устойчивым во времени, так как при разбиении совокупности предприятий, по данным 2006 г., перегруппировки не произошло. Полученная картина распределения объектов дает возможность анализировать состояние металлургических предприятий и делать выбор для дальнейшего принятия инвестиционных решений.

Рис. 3. Дендрограмма распределения предприятий по кластерам

Для определения основных характеристик полученных кластеров рассчитаем средние значения для каждого из них (табл. i).

Таблица 1

Средние значения признаков по кластерам

Анализ таблицы позволяет сделать следующие выводы: совокупность предприятий черной металлургии, попавших в первый кластер, в основном представлена предприятиями с высоким объемом реализации товарной продукции, их доля составляет 50 %. Во втором кластере доля рынка -- 9 %. Высокая концентрация (доля четырех предприятий составляет 60 %) характеризует рынок как монополистическую конкуренцию. В целом отечественные металлургические предприятия сильно различаются между собой по техническому уровню, о чем свидетельствуют средние значения затрат на 1 рубль 112 товарной продукции, по уровню производительности труда и уровню технико-экономических показателей.

Вторым этапом исследования является определение возможного риска получения прибыли в каждом из полученных кластеров. Для этого рассчитаем среднее ожидаемое значение прибыли М(х) и дисперсию прибыли D(x) в каждом кластере (табл. 2).

Таблица 2

Числовые характеристики ожидаемой прибыли предприятий по кластерам

Полученные значения отклонений в кластерах отражают характеристики риска инвестиций в предприятия конкретного кластера. При тесной корреляции между кластерами справедливо правило: большее значение в определяет больший риск вложения в данную группу предприятий. Более высокий риск от инвестирования должен соотноситься с более высокой доходностью на единицу вложения. Критерием, отражающим доходность, может послужить скорость роста прибыли, которая определяется как отношение изменения значения прибыли во времени к начальному этапу.

Рис. 4. Скорость роста прибыли по кластерам

Таким образом, предложенный метод снижения размерности сложных объектов является весьма актуальным для задачи инвестирования, поскольку позволяет учесть сложную совокупность переменных, характеризующих объекты. Принятие решения об инвестировании в ту или иную группу предприятий осуществляется на основе двух показателей. Следует подчеркнуть, что статистика в однородной группе предприятий более репрезентативна, чем статистика отдельного предприятия. Проведенный анализ продемонстрировал варианты инвестирования в предприятия черной металлургии с учетом ожидаемой прибыли и риска, связанного с ее получением.

инвестиционная привлекательность прибыль металлургия

Список литературы

1. Елисеева, И. И. Эконометрика : учеб. издание / И. И. Елисеева. М. : Финансы и статистика, 2003.

2. Айвазян, С. А. Прикладная статистика. Теория вероятностей и математическая статистика / С. А. Айвазян, В. С. Мхитарян. 2-е изд. М. : ЮНИТИ, 2001. Т. 1.

3. Берндт, Э. Р. Практика эконометрики: классика и современность : пер. с англ. / Э. Р Берндт ; под ред. С. А. Айвазяна. М. : ЮНИТИ, 2005.

Размещено на Allbest.ru