Глава 2. МЕТОДОЛОГИЯ ПРОВОДИМОГО ИССЛЕДОВАНИЯ

2.1 Спецификация модели и используемая методология

По результатам проведения обзора доступной литературы по соответствующей теме, можно отметить, что исследования, направленные на анализ взаимосвязи управления рабочим капиталом и прибыльности, основывались на различных методологиях - линейная регрессия по пространственным данным, панельным данным и временным рядам, анализ соотношения финансовых показателей, корреляционный анализ и т.д. Указанные исследования включали в себя анализ данных компаний различных отраслей по всему миру. Несмотря на то, что результаты данных работ различны, большинство из них подтверждают наличие сильной взаимосвязи между управлением рабочим капиталом и прибыльностью компаний и показывают, что управление рабочим капиталом является важным индикатором финансового «здоровья» компании.

Исходя из рассуждений, представленных в предыдущей главе, является ожидаемым, что у компаний есть оптимальный уровень рабочего капитала, который способен сбалансировать вышеупомянутые недостатки и преимущества и максимизировать ценность компании. В частности, есть основания полагать, что эффективность деятельности компании возрастает до тех пор, пока рост рабочего капитала не достигнет определенного момента. Именно поэтому, ожидается, что после достижения оптимального уровня рабочего капитала и последующего его увеличения, взаимосвязь между рабочим капиталом и эффективностью компании становится негативной, следовательно, можно предположить существование нелинейной взаимосвязи между объемом инвестиций в рабочий капитал и ценностью компании. Таким образом, основная гипотеза данной работы базируется на предположении о существовании перевернутой U-образной зависимости между данными показателями. Впервые аналогичное предположение было выдвинуто в работе (Baсos-Caballero, 2013), где проводился анализ не линейной, а квадратичной регрессионной модели. Полученные авторами результаты доказывают наличие функциональной взаимосвязи между показателями эффективности управления рабочим капиталом и результативностью компании. В данной работе мы постараемся подтвердить или опровергнуть указанную гипотезу на примере российских компаний.

Кроме того, для нашего исследования отдельный интерес представляет собой относительно актуальная работа (Singhania, 2014), благодаря рассмотрению в указанной работе набора моделей с различной комбинацией переменных (как общего показателя эффективности управления рабочим капиталом, так и его составных частей), а также использования фиктивных переменных.

Таким образом, в качестве основания для выбора функционального вида модели использовалась первая задача эконометрики - тестирование справедливости уж известной модели, представленной в работе (Baсos-Caballero, 2013), на выборке российских компаний. Однако следует отметить, что тестируемая модель будет дополнена переменными, заимствованными из модели (Singhania, 2014), которые оказались значимыми, но не были включены в первую модель.

Необходимость введения контрольных переменных обусловлена влиянием большего множества показателей на зависимую переменную. Соответственно, качество модели будет тем лучше, чем более точно независимые переменные объясняют поведение зависимой. Построение любой эконометрической модели основывается на общих знаниях из области финансов. Направление взаимосвязи между различными показатели обосновано и доказано теорией финансов. Таким образом, знак оценки параметра при контрольных переменных может быть заранее спрогнозирован. Если в результате проводимого оценивания, данный знак будет отличен от предполагаемого нами заранее, это будет служить индикатором допущения ошибки при построении модели. Включение излишнего числа переменных в модель может привести к проблеме мультиколлинеарности, что ухудшает качество модели ввиду высоких стандартных ошибок оценок коэффициентов регрессии. Не включение важной переменной в модель приводит к смещенности получаемых оценок. Таким образом, при проведении спецификации выбранной нами базовой модели будут проведены эконометрические тесты, направленные на определение необходимого количества включаемых в модель переменных.

Далее приводится более подробное обоснование выбора переменных.

2.1.1 Обоснование выбора зависимой переменной

В работе (Hofer, 1983) в качестве показателя финансовой эффективности автор выбрал показатель роста продаж. В работе (Praquette, 2005) автор также отметил, что рост продаж один и самых важных показателей для оценки финансовой эффективности компании. В то же время, авторы работы (Venkatraman, 1987) отмечали, что помимо роста продаж, рост чистой прибыли и рентабельность инвестиций являются важными показателеми экономической эффективности бизнеса. Отдельные авторы, исследования которых приведены в первой главе, в качестве зависимой переменной выбирали показатель валовой операционной прибыли, к примеру, данный показатель был выбран в работе (Deloof, 2003).

Тем не менее, в данной работе в качестве показателя, отражающего эффективность деятельности компании, был взят коэффициент Тобина (Q Тобина), рассчитываемый как отношение суммы рыночной стоимости собственного капитала и балансовой стоимости долга к балансовой стоимости совокупных активов. Стоит отметить, что на данный момент существует несколько методом расчета данного коэффициента. В работе (Загороднова, 2014) условно выделяется «простой» и «сложный» метод. По заявлению самих исследователей, основывающихся, в частности, на заключении автора работы (Lewellen, 1997), использование «простого» метода не привносит значительных погрешностей в расчет коэффициента, а затраты на поиск информации для «сложного» метода значительно превышают положительные эффекты от его использования. Таким образом, в большинстве исследовательских работ, подразумевающих расчет q Тобина используется «простой метод», в первую очередь по той причине, что расчет при помощи «сложного» метода подразумевает использование информации, не доступной широкому кругу лиц.

В первую очередь, выбор q Тобина был обусловлен главным образом тем, что использование данной переменной уменьшает большинство недостатков, наблюдаемых при использовании учётных показателей. Основные проблемы, возникающие при работе с данными показателями, связанны с тем, что различные учетные методы способны оказать влияние на величину этих показателей, а соответственно, это повлияет на качество оценки данных различных компаний. В то же время, одним из достоинств рыночной оценки является возможность учесть специфический риск компаний и минимизировать отклонения, полученные в результате налогового влияния.

Особую важность представляет собой разъяснение экономической сути используемого показателя. Q Тобина отражает стоимость замещения активов. Впервые данный коэффициент упоминается в работе (Tobin, 1968) и, как отмечается самими авторами, величина коэффициента рассчитывается как рыночная стоимость неудовлетворенных финансовых требований кредиторов к текущей стоимости замещения активов компании. Суть показателя заключается в том, что стоимость замещения - логическое измерение альтернативной ценности использования активов. Так, если активы не используются компанией настолько, чтобы генерировать рыночную стоимость, большую стоимости их замещения, то предпочтительнее использовать их где-то в другом месте. Компании, коэффициент Тобина которых больше 1, оцениваются как компании, использующие дефицитные ресурсы эффективно, соответственно, компании, у которых данный коэффициент ниже 1 - неэффективно.

Q Тобина, как аналитический коэффициент, на данный момент является наиболее распространенным коэффициентом для оценки инвестиций. Сам автор характеризует данный коэффициент как скорость отдачи, влияющая на желание инвесторов вложить средства в акционерный капитал. Некоторые исследователи утверждают, что q Тобина отражает «настроение» рынка, выраженное мнением аналитиков относительно перспективности компании или различными спекуляциями в виде громких слухов. Кроме того, коэффициент, по их мнению, может отражать интеллектуальный капитал компании. На данный момент множество компаний пытаются внедрить показатели измерения интеллектуального капитала (стоимости интеллектуальных активов), основной целью анализа которых будет являться обеспечение устойчивого развития компании, поскольку именно интеллектуальный капитал представляет собой основу для будущего роста. Именно поэтому оценка интеллектуального капитала помогает формировать долгосрочную стратегию организации в быстро меняющейся среде и используется как инструмент коммуникации, и прежде всего, как аргумент в пользу компании. Если коэффициент Тобина больше 1, на рынке активы компании стоят больше, чем за них было заплачено, а значит, можно говорить о том, что инвестиции в компанию прибыльны. Соответственно, коэффициент отражает, насколько прирост активов компании способствует увеличению её рыночной стоимости. В случае, если дополнительная единица активов увеличивает стоимость компании на величину большую, чем расходы на приобретение данных активов, то инвестиции компании можно считать успешными, а использование инвестиционных ресурсов, эффективным. Увеличение инвестиционного потенциала компании повышает её способность объединять финансовые ресурсы для реализации инвестиционных программ Таким образом, коэффициент показывает, насколько сильно рынок ценит средства, вложенные в компанию. Подытоживая, можно выделить главные преимущества использования данного коэффициента:

· Коэффициент достаточно прост при расчете: данные по рыночной капитализации и балансовой стоимости являются широкодоступными;

· Коэффициент отражает инвестиционный потенциал предприятия за счет сопоставления их рыночной и балансовой стоимости.

2.1.2 Обоснование выбора независимых переменных

В первую очередь нам необходимо определить показатель, способный отразить эффективность управления рабочим капиталом. Сама величина рабочего капитала является неподходящей мерой, поскольку при одной и той же его величине для компаний с разным объёмом продаж, эффективность его использования будет различной. Так, например, если объем продаж компании А в X раз больше объема компании B, то можно утверждать, что рабочий капитал в компании А используется в X раз эффективнее, чем в компании B. В качестве примера можно привести две компании горнодобывающей отрасли (табл. 1):

Таблица 1 Использование рабочего капитала в двух компаниях горнодобывающей отрасли.

Показатель	ПАО «Надеждинский металлургический завод» (1)	ПАО «Ашинский металлургический завод» (2)	Соотношение показателей компаний (1) : (2)
Рабочий капитал, тыс. руб.	3 182 769	3 190 974	0,997
Объем продаж, тыс. руб.	11 438 255	17 292 532	0,661

Как видно из данных, представленных в таблице 1, две компании одной отрасли с приблизительно одинаковой величиной рабочего капитала, генерируют различные объемы продаж. Так, объем продаж Ашинского металлургического завода оказался на 33% выше, чем соответствующий показатель Надеждинского металлургического завода. Следовательно, величина рабочего капитала не является подходящим показателем измерения эффективности управления рабочим капиталом.

Таким образом, основываясь на анализе исследований в области управления рабочим капиталом, стоит отметить, что наиболее удачным показателем измерения эффективности управления рабочим капиталом является период оборота денежных средств, отражающий временной разрыв между затратами на оплату сырых материалов и получением средств от продажи готовой продукции. Чем больше этот временной разрыв, тем больше средств необходимо инвестировать в рабочий капитал. Более длительный период оборота денежных средств может вести к росту прибыльности компании, поскольку может являться причиной роста продаж. Однако прибыльность компании может падать с ростом периода оборота денежных средств, если издержки инвестиций в рабочий капитал растут быстрее, чем положительные эффекты от поддержания высокого уровня запасов и предоставления дебиторской задолженности своим клиентам.

Как отмечается в работе (Richards, 1980), период оборота денежных средств (далее ДС) - стандартный показатель деятельности компании. Этот показатель отражает эффективность оборота денежных средств в компании и определяется как время, затраченное на перевод денежных средств, затраченных компанией на покупку сырья и материалов, в денежные потоки от её деятельности. Период оборота денежных средств состоит из 5 компонентов:

1. Период сбора дебиторской задолженности (далее ПОДЗ) - количество дней, которое требуется покупателю, купившему товар компании в кредит, чтобы расплатиться по счетам. Сравнивая данный показатель для различных компаний, можно получить представление о том, какой уровень контроля имеет компания над возвратом выданных ею кредитов.

2. Период оборота сырьевых ресурсов (далее ПОС) - количество дней между получением сырьевых ресурсов и отправкой их на производство.

3. Период оборота незавершенного производства (далее ПОНП) - количество дней, необходимых для конвертации полученных в производство сырьевых ресурсов в готовую продукцию.

4. Период оборота готовой продукции (далее ПОГП) - количество дней хранения готовой продукции на складе компании перед продажей.

5. Период оборота кредиторской задолженности (ПОКЗ) - количество дней, необходимых компании для оплаты счетов перед поставщиками, осуществившими поставку сырьевых ресурсов в кредит.

Математически, период оборота денежных средств можно представить следующим выражением:

ПОДС = ПОДЗ + ПОС + ПОНП + ПОГП - ПОКЗ.

Кроме того, можно также определить термин период оборота запасов (далее ПОЗ), представляющего собой линейную комбинацию периодов оборота сырья, незавершенного производства и готовой продукции:

ПОЗ = ПОС + ПОНП + ПОГП.

Общий период оборота запасов отражает количество дней, необходимых компании для конвертации сырьевых ресурсов в проданную готовую продукцию. Таким образом, период оборота денежных средств можно определить следующим выражением:

ПОДС = ПОДЗ + ПОЗ - ПОКЗ

Обобщая произведенные преобразования, формула периода оборота денежных средств принимает следующий вид:



где ДЗ - величина дебиторской задолженности,

З - величина запасов,

КЗ - величина кредиторской задолженности.

Согласно рассуждениям, приведенным в предыдущей главе, существуют основания предполагать нелинейный характер взаимосвязи между величиной рабочего капитала и эффективностью компании. В частности, предполагается существование вогнутой функции, способной описать данную взаимосвязь. Таким образом, для подтверждения гипотезы о наличии нелинейной взаимосвязи между величиной рабочего капитала и эффективностью компании проводится анализ методом многофакторной квадратичной регрессии, где в качестве независимой переменной принимается не только период оборачиваемости рабочего капитала, но и величина данного показателя в квадрате.

Кроме того, в качестве переменных, включаемых в модель для контроля над их возможным влиянием на эффективность компании, авторами работы (Baсos-Caballero, 2013) используются:

· SIZE - размер компании, представленный в виде натурального логарифма продаж;

· LEV - леверидж, отражающий долю активов, финансируемых за счет долга и представленный в виде отношения совокупного долга к совокупным активам;

· GROWTH - перспектива роста, представленная в виде отношения балансовой стоимости нематериальных активов к стоимости совокупных активов;

· ROA - рентабельность активов, представленная в виде отношения прибыли до налогообложения и уплаты процентов (EBIT) к стоимости совокупных активов;

Кроме того, в данной модели также вводится фиктивная переменная, отражающая влияние различных экономических событий в различные периоды времени.

В качестве контрольных переменных в работе (Singhania, 2014), которая также принимается нами во внимание, были использованы такие переменные, неупомянутые в предыдущей модели, как:

· SG (sales growth) = - рост продаж,

· CR (current ratio) = - коэффициент текущей ликвидности,

· QR (quick ratio) = - коэффициент быстрой ликвидности.

Более того, в упомянутой модели используется комбинированная переменная D_i*CCC,

где ССС (Cash Conversion Cycle) - период оборота денежных средств,

Тем не менее, в нашу базовую модель включение показателя роста продаж в качестве контрольной перемены не планируется, поскольку, на наш взгляд, показатель роста, основанный на стоимости нематериальных активов, является более точным отражением потенциала роста, в то время как рост продаж основывается исключительно на исторических данных роста. Кроме того, в модель не будут включаться фиктивные переменных, отражающие характер состояния экономики в определенные периоды времени, поскольку предполагаемый период анализа планируется с 2010 по 2014 год. Можно считать, что негативные эффекты периода экономического кризиса, происходившего в России с 2008 по 2009 года, к 2010 году были полностью преодолены, а кризис 2014 года, не успел оказать большого влияния из-за того, что основные экономические потрясения пришлись на последние месяцы года.

Важно также отметить, что в работе (Baсos-Caballero, 2013) для анализа результатов используется модель со случайными эффектами, таким образом, производится контроль над индивидуальными особенностями объектов, которые, в свою очередь, предполагаются случайными; а в работе (Singhania, 2014) - сквозная модель регрессии, где предполагается, что все неизвестные параметры постоянны для всех объектов в каждый момент времени. Такое предположение, безусловно, способно повлиять на качество модели, однако, при определенных характеристиках выборки может являться приемлемым. В нашем же случае планируется проведения ряда тестов, направленных на выбор наиболее точной модели среди доступных трёх типов моделей для анализа панельных данных (сквозной регрессии, модели с фиксированными эффектами и модели со случайными эффектами).

Поскольку планируется обработка панельных данных с помощью пакета Stata, следуя ограничению данного программного приложения, наименование переменных осуществляется с помощью букв латинского алфавита.

Таким образом, базовая модель, сформированная нами для последующего анализа, может быть представлена следующим образом:

, (1)

где ССС - период оборота денежных средств

SIZE - размер компании,

GROWTH - перспектива роста,

LEV - леверидж,

ROA - рентабельность активов,

CR - коэффициент текущей ликвидности,

QR - коэффициент быстрой ликвидности,

е - случайная ошибка.

2.2 Используемые данные

В данной работе рассматриваемая выборка представляет собой панель российских нефинансовых компаний, торговавшихся на бирже РТС-ММВБ в период с 2011 по 2014 гг. Данные были взяты из информационной базы данных Datastream. Критерием отбора было наличие информации по всем данным, используемым для расчета переменных в каждый отдельный период. Таким образом, от года к году число и состав компаний меняются, соответственно полученная панель данных является несбалансированной. Для отдельных компаний, по которым имеются данные на промежутке всех четырёх лет, возможно возникновение эффекта авторегрессии. Тем не менее, доля таких случаев в выборке невелика, а сам факт объединения компаний в единый «пул» нивелирует этот эффект.

Преимущества использования панельных данных для анализа заключается в том, что этот тип данных включает в себя по меньшей мере два измерения - кросс-секционное или пространственное, математически выраженное индексом i, а также временное, выраженное индексом t. Таким образом, объединяя большое число объектов на протяжении определенного промежутка времени, анализ панельных данных предоставляет ряд преимуществ, которые были отмечены в работе (Ратникова, 2004):

· Большое количество наблюдений, и, как следствие, большее число степеней свободы и меньшая коллинеарность по сравнению с кросс-секционными данными, что положительно сказывается на эффективности получаемых оценок;

· Возможность анализировать более широкие экономические вопросы, исследование которых не может быть проведено исключительно по временным или пространственным рядам;

· Возможность получить более точные оценки, благодаря отсутствию «агрегированности», проявляемой в анализе временных рядов (оценка по усредненному репрезентативному объекту) и пространственных рядов (не учитываются ненаблюдаемые индивидуальные характеристики объектов);

· Возможность проследить эволюцию индивидуальных характеристик объекта во времени.

В первую очередь, был проведен анализ выборки на выбросы по каждой из переменных. Все результаты, выделяющиеся из общей выборки, были исключены. Данные об оставшемся количестве компаний в выборке и фирм-лет представлены в таблице 2.

Таблица 2 Число компаний и фирм-лет в общей выборке

	2010	2011	2012	2013	2014
Число компаний	89	97	91	93	89
Число фирм-лет	89	186	277	370	459

Описательная статистика по каждой переменной, содержащая все фирмо-года, представлена в таблице 3.

Таблица 3 Описательная статистика общей выборки

	Среднее значение	Стандартное отклонение	Минимум	Максимум	Кол-во наблюдений
Q	0,6741	0,3323	0,0137	1,7951	459
CCC	44,1254	39,6366	-55,6555	149,2715	459
SIZE	17,3994	1,4167	13,1797	21,4671	459
LEV	0,2772	0,1828	0	0,8507	459
GROWTH	0,0082	0,0135	0	0,0599	459
ROA	0,0673	0,0717	-0,1259	0,2778	459
CR	1,1908	0,592	0,1626	3,7658	459
QR	0,9338	0,5037	0,0865	2,8664	459

Кроме того, отдельный интерес представляет собой сопоставление результатов, полученных для общей выборки с результатами расчетов на основании отдельной отрасли, поскольку в первом случае, мы получим некоторый усредненный показатель, а специфика различных отраслей предполагает проведение различных политик управления рабочим капиталом. Следовательно, на основании знаний об особенностях бизнес-процессов отдельной отрасли, можно будет предположить, будет ли оптимальный показатель периода оборота денежных средств для данной отрасли выше или ниже среднего значения, полученного для выборки российских публичных компаний.

В качестве объекта исследования для проведения дополнительного анализа были выбраны компании горнодобывающей отрасли. Согласно обзору мировых тенденций горнодобывающей отрасли (O'Callaghan, 2015), проведенному в 2015 году консалтинговой компанией PwC, компании данной отрасли испытывают на себе негативное воздействие различных факторов, среди которых одним из главных является падение цен на сырье. Так, авторы данного исследования утверждают, что горнодобывающие компании в качестве ответных мер стремились реализовать программы, направленные на повышение эффективности управления капиталом, а также сокращение затрат. В работе рассматривались финансовые результаты деятельности 40 крупнейших по рыночной капитализации горнодобывающих компаний. Одной из особенностей 2015 года, на которую обратили внимание исследователи, стало снижение скорости оборачиваемости капитала, наблюдаемое впервые с 2010 года. Кроме того, рыночная стоимость компаний также уменьшилась на 16%, а что особенно важно - впервые снизилась чистая стоимость активов. В связи с этим, наблюдается рост активности со стороны заинтересованных сторон. Результаты исследования показывают, что несмотря на негативные тенденции, указанным компаниям, благодаря активной работе в области управления затратами, удалось снизить отрицательный эффект на их деятельность. Тем не менее, ситуация с ценами на сырьевые товары остаётся неблагоприятной. Таким образом, исследователи, в целом, дают очень скромный прогноз для мирового горнодобывающего сектора, подчеркивая, что основополагающими факторами для данных выводов являются снижение темпов экономического роста, в первую очередь, в Китае, а также признаки переизбытка предложения отдельных сырьевых ресурсов.

В России металлургия и добыча горных пород всегда являлась одной из ключевых отраслей экономики. Наша страна является лидером по обеспеченности полезными ископаемыми, что привело к развитию высокоразвитой промышленности. Соответственно, стабильное развитие промышленных отраслей, и горнодобывающей отрасли в частности, является ключевым фактором для поддержания благосостояния населения страны, поскольку компании данного сектора обеспечивают занятость жителей России, развитие инфраструктуры, выплаты в бюджет, а также выплаты владельцам компаний.

Таким образом, благодаря высокой значимости горнодобывающей отрасли в экономике нашей страны, данный сектор был выбран в качестве отдельной индустрии для анализа. Кроме того, основанием выбора данной отрасли стали также следующие причины:

· Большое количество компаний, представленных на фондовой бирже РТС-ММВБ (более 20 компаний).

· Относительно высокая ликвидность акций данных компаний (например, по сравнению с торгуемыми компаниям энергетической отрасли);

Выбор большого числа торгуемых компаний обусловлен тем, что для построения качественной модели необходимо учесть множество факторов, влияющих на зависимую переменную. В нашей базовой модели мы выявили 8 независимых переменных. Также, имеет место правило, согласно которому, объем выборки должен быть, по крайней мере, в 6 раз превышать число переменных в модели. Следовательно, наша выборка после исключения всех выбросов, должна состоять, как минимум, из 48 фирм-лет. Высокая ликвидность акций указывает на то, что инвесторы предъявляют повышенный интерес к данной отрасли, а значит, расчеты, произведенные на основе компаний данного сектора, могут заинтересовать большее количество заинтересованных сторон.

После исключения из выборки компаний, по которым отсутствовали данные для расчета хотя бы одной из переменных, а также проведения анализа на выбросы в программном приложении STATA с помощью команды “hadimvo”, используемой для определения выбросов в многофакторных регрессионных моделях, были получены следующие результаты, представленные в таблицах 4 и 5:

Таблица 4 Число компаний и фирм-лет в выборке компаний горнодобывающей отрасли

	2011	2012	2013	2014	2015
Число компаний	10	11	14	13	6
Число фирм-лет	10	21	35	48	54

Таблица 5 Описательная статистика выборки компаний горнодобывающей отрасли

	Среднее значение	Стандартное отклонение	Минимум	Максимум	Кол-во наблюдений
Q	0,8783	0,4260	0,2374	2,2188	54
CCC	87,9132	21,9289	0,4354	1,3508	54
SIZE	17,7703	1,8288	14,2460	20,0312	54
LEV	0,3940	0,2468	0	0,9265	54
GROWTH	0,0262	0,0367	0	0,1365	54
ROA	0,0525	0,0971	-0,2240	0,2777	54
CR	1,7116	0,9130	0,4225	4,4182	54
QR	0,9761	0,5955	0,1657	2,5611	54

При анализе представленной статистики, становится очевидным, что размерность периода оборота денежных средств значительно отличается от размерности других переменных. Таким образом, для соблюдения размерности переменная периода оборота денежных средств была разделена на 100, что впоследствии будет учтено при интерпретации полученных результатов.

Выводы

Таким образом, в качестве зависимой переменной, отражающей результативность деятельности компании, была выбрана переменная Q Тобина, которая имеет ряд преимуществ перед учетными показателями, используемыми многими исследователями в своих работах. Q Тобина позволяет получить сравнимые рыночные оценки для всех компаний, а также отражает привлекательность компаний для инвесторов, что также может расцениваться как справедливая оценка. Так, данный показатель достаточно просто поддается трактовке: если величина показателя больше единицы, то можно утверждать, что используемые активы увеличивают стоимость компании на величину большую, чем затраты на их приобретение.

В базовую модель были включены восемь переменных, шесть из которых являются контрольными и используются для повышения качества рассматриваемой модели. В качестве основной исследуемой независимой переменной в данной работе выступает период оборота денежных средств - показатель, отражающий эффективность управления рабочим капиталом компании, который также, как и Q Тобина, представляется удобным для сравнения результатов деятельности различных компаний. Величина периода оборота денежных средств отражает количество дней, необходимых компании для перевода оттоков денежных средств, затраченных на покупку сырья и материалов, в денежные потоки от продажи её готовой продукции или услуг.

В качестве функциональной формы зависимости предполагается квадратичная функция, поскольку рассуждения, представленные в главе 1, дают основание предполагать существование оптимальной величины периода оборота денежных средств, при достижения которой результативность компании будет находиться на максимально возможном уровне. Однако следует отметить, что данное предположение было впервые сделано в работе (Baсos-Caballero, 2013), но больше ни в каких рассмотренных нами работах, посвященных исследованию рассматриваемого вопроса, встречено не было.

После исключения результатов, не попадающих под общее распределение, выборка российских публичных нефинансовых компаний оказалась представленной 459 фирмо-годами, средний период оборота денежных средств которых равен 44 дням. Кроме того, для проведения дополнительного анализа также предполагается исследование результатов для выборки компаний горнодобывающей отрасли, которая является одним из основополагающих и наиболее широко представленных на бирже ММВБ-РТС секторов российской экономики. Данная отрасль представлена 54 фирмо-годами, средний период оборота денежных средств которых равен 87 днями, что в два раза выше среднего периода оборота денежных средств для российских компаний в целом. Соответственно, в следующей главе данной особенности будет уделено особенное внимание.



Глава 3. АНАЛИЗ И ИНТЕРПРЕТАЦИЯ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ

3.1 Результаты, основанные на общей выборке российских публичных компаний

Выдвигаемая нами в данной работе гипотеза формулируется следующим образом: взаимосвязь периода оборота денежных средств и результативности российских публичных нефинансовых компаний может быть описана квадратичной функцией. Следовательно, в ходе исследования нам предстоит подтвердить или опровергнуть данную гипотезу.

Приступая к анализу данных, на основании базовой модели в первую очередь был проведен анализ сквозной регрессии. Результаты данного анализа представлены в таблице 6.

Таблица 6 Результаты сквозной регрессии

	в-коэф.	t	p-value
ССС/100	0,1216	1,44	0,150
(CCC/100)2	-0,1201	-1,78	0,076
SIZE	-0,0016	-0,16	0,875
LEV	0,7179	8,70	0,000
GROWTH	2,2074	2,05	0,041
ROA	1,4732	7,87	0,000
CR	0,2165	4,26	0,000
QR	-0,1803	-3,18	0,002
const	0,2855	1,62	0,106

Исходя из представленных в таблице 6 результатов, 3 переменные из 8, в том числе и интересующие нас переменные периода оборота денежных средств, оказались незначимыми на 5% уровне значимости. Тем не менее, знаки при большинстве коэффициентов являются экономически обоснованными. Тем не менее, знак в-коэффициента для переменной быстрой ликвидности отличается от знака в-коэффициента для переменной текущей ликвидности, что противоречит логике финансовой теории. Тем не менее, прежде чем приступить к интерпретации данных результатом, следует сравнить результаты данной модели с результатами оставшихся двух типов моделей регрессии по панельным данным - модели с фиксированными и случайными переменными. Данные результаты представлены в таблицах 7 и 8 соответственно.

Таблица 7 Результаты регрессии по модели с фиксированными эффектами

	в-коэф.	t	p-value
ССС/100	0,1588	2,04	0,042
(CCC/100)2	-0,1460	-2,19	0,029
SIZE	-0,3699	-7,34	0,000
LEV	0,4474	3,70	0,000
GROWTH	1,9129	1,05	0,295
ROA	0,5586	2,87	0,004
CR	0,0674	0,89	0,372
QR	0,0221	0,25	0,803
const	6,8126	7,75	0,000

Таблица 8 Результаты регрессии по модели со случайными эффектами

	в-коэф.	z	p-value
ССС/100	0,1766	2,34	0,019
(CCC/100)2	-0,1522	-2,44	0,015
SIZE	-0,0244	-1,48	0,138
LEV	0,5798	5,94	0,000
GROWTH	2,6913	1,98	0,048
ROA	0,9779	5,47	0,000
CR	0,1717	2,94	0,003
QR	-0,0986	-1,46	0,144
const	0,7330	2,61	0,009

Результаты теста Вальда, который проводится в Stata автоматически (F-test that all ui=0 F(148, 302) = 5,76 Prob>F=0.0000), свидетельствуют о том, что, сравнивая модель сквозной регрессии с моделью с фиксированными эффектами, выбор последней является предпочтительнее, поскольку p-value меньше уровня значимости (0.05), а значит, основная гипотеза о том, что все индивидуальные детерминированные эффекты равны 0, отвергается.

По результатам проведения теста Бреуша-Пагано (рис. 1), мы также получили p-value меньше уровня значимости, а значит, основная гипотеза о том, что все индивидуальные недетерминированные эффекты равны 0 также отвергается, следовательно, модель со случайными эффектами также оказывается предпочтительнее модели сквозной регрессии.

Рис. 1 Результаты теста Бреуша-Пагано

Далее было необходимо провести сравнение модели с фиксированными эффектами с моделью со случайными эффектами. Для этой цели был реализован тест Хаусмана. Значение p-value оказалось равным 0.000, а значит, основная гипотеза о том, что индивидуальные эффекты являются случайными, а не детерминированными, или другими словами гипотеза о том, что модель со случайными эффектами является более предпочительной в сравнении с моделью с фиксированными эффектами, отвергается.

Этого и следовало ожидать, поскольку для исследования выбирались российские компании различных отраслей с различной спецификой, торгуемые на бирже РТС-ММВБ, а их состав от года к года значительно не менялся. Модель с фиксированными эффектами позволяет отразить индивидуальные характеристики объектов, которые не изменяются во времени, и которые свойствены исключительно тем объектам, которые мы изучаем. Таким образом, предполагается, что неучтенная индивидуальность изучаемых объектов, которая меняется во времени, входит в ошибку, а в константе заключена фиксированная во времени индивидуальность. Эта модель является подходящей спецификацией при сосредоточении на уникальном наборе фирм. Соответственно полученные выводы ограничены поведением данных представителей, поскольку обусловлены особенностями рассматриваемых фирм.

После того, как была проведена идентификация и оценка предпочтительности моделей и было сделано заключение о том, что необходимо использовать модель с фиксированными эффектами, происходит этап верификации. На момент оценивания параметров (этап идентификации) было выявлено, что 3 переменные из 8 (GROWTH, CR, QR) являются статистически не значимыми на 5%-ом уровне значимости. Соответственно, необходимо было провести ряд тестов для того, чтобы ответит на вопрос: можно ли исключить незначимые переменные из модели, если да, то какие. Для этого были проведены тесты, на основе критерия Фишера, которые показали, что более «короткая модель», из которой исключены переменные быстрой ликвидности и роста, является более предпочтительной по сравнению с длинной моделью, в которую включены все 8 переменных. Вывод был сделан на основе принятия основной гипотезы, которая гласила, что бета-коэффициенты для двух упомянутых переменных равны нулю. Таким образом, результаты усовершенствованной модели приводятся в таблице 9.



Таблица 9 Результаты усовершенствованной регрессии по модели с фиксированными эффектами

	в-коэф.	t	p-value
ССС/100	0,1603	2,07	0,040
(CCC/100)2	-0,1437	-2,16	0,031
SIZE	-0,3630	-7,31	0,000
LEV	0,4393	3,64	0,000
ROA	0,5461	2,86	0,005
CR	0,0846	2,79	0,006
const	6,7097	7,72	0,000

Продолжая проверку адекватности модели, можно заключить, что все знаки бета-коэффициентов, полученные для каждой из переменных, соответствуют наблюдаемым на практике явлениям. По результатам эмпирического исследования можно сделать вывод, что с ростом продаж результативность компании падает. На практике также наблюдается подобное явление: интеллектуальный потенциал крупных компаний значительно ниже, чем потенциал небольших компаний. В первую очередь это связано с тем, что крупные российские компании в большинстве случаев продолжают свой рост не за счет интенсивных, а за счет экстенсивных факторов. В то же время, анализируя бета-коэффициент для переменной левериджа, можно утверждать, что рост доли активов, финансируемых за счет долга положительно сказывается на q Тобина, поскольку стоимость заемного финансирования ниже, стоимости собственного капитала. Безусловно, это отрицательно сказывается на ликвидности, соответственно, как и в исследуемом нами вопросе влияния периода оборота денежных средств на результативность компании, при достижении определенного уровня долга, данное влияние может оказаться негативным, однако в данной работе переменная левириджа является только контрольной и не подлежит более подробному изучению. В данной ситуации, нам необходимо определить лишь наличие или отсутствие противоречия между оценками, полученными эмпирическим путем, и реально наблюдаемыми явлениями. Что же касается данной переменной, противоречия не наблюдается, поскольку можно сделать вывод, что позитивные эффекты от наращивания долга оказывают более значимое влияние на результативность компании по сравнению со снижением ликвидности. Рост рентабельности активов говорит о том, что компания ведет эффективную политику в области управления активами, и положительный бета-коэффициент при данной переменной подтверждает данный факт. Увеличение коэффициента текущей ликвидности также оказывает положительное воздействие на коэффициент q Тобина. Поскольку в рамках данной переменной происходит рассмотрение обособленного влияния ликвидности на эффективность деятельности компании, то данный вывод также не противоречит экономической логике, в первую очередь по той причине, что компании, которые сталкиваются с проблемами ликвидности, могут достаточно быстро прийти к банкротству.

Таким образом, соответствие полученных эмпирических оценок являниям, наблюдаемым на практике, говорит об адекватности тестируемой модели.

Что же касается интересующих нас в первух очередь переменных - ССС/100 и (ССС/100)², то важно отметить, что они оказались значимыми на 5% уровне. Кроме того, результаты соответствуют выдвигаемой изначально гипотезе, так бета-коэффициент для CCC/100 является положительным (в₁=0,1603), а для (ССС/100)² - отрицательным

(в₂=-0,1437). Соответственно, интерпретировать данные коэффициенты можно следующим образом: при росте величины рабочего капитала до оптимального уровня он оказывает положительное влияние на эффективность компании, а при росте величины выше оптимального уровня - отрицательное. Таким образом, критическая точка, в которой достигается оптимальный результат периода оборота денежных средства для нашей выборки, максимизирующий результативность деятельности компании, рассчитывается по формуле -в₁/2в₂ и равняется 0,5578, а с учетом того, что период оборота денежных средств для соблюдения размерности был разделен на 100, то необходимо провести обратное действие и умножить полученный результат на 100. Следовательно, оптимальная величина периода оборота денежных средств для российских публичных компаний в среднем составляет приблизительно 56 дней. Стоит также отметить, что в исследовании (Baсos-Caballero, 2013) оптимальный результат, полученный для выборки испанских компаний, был равен 66 дням.

Однако следует помнить, что поскольку результаты были получены по модели с фиксированными эффектами, они носят условный характер, так как соответствуют исключительно выбранным нами объектам, а выборка не может рассматриваться как некоторая случайная выборка в общей генеральной совокупности.

3.2 Результаты, основанные на выборке компаний горнодобывающей отрасли

Согласно инструкции по учету запасов полезных ископаемых и составлению балансов по формам №5-гр и №5-гр (уголь) балансовыми являются те запасы, использование которых является экономически целесообразным. Так, учету подлежат запасы как по эксплуатируемым, так и по ранее разведанным, но неэксплуатируемым месторождениям, поставленным на баланс. Забалансовыми являются запасы, использование которых нецелесообразно ввиду их малого количества, малой мощности залежей, низкого содержания ценных компонентов, сложности условий эксплуатации и процессов переработки, но которые в будущем могут стать проектом промышленного освоения.

Таким образом, данный подход приводит к отражению большого объема запасов в соответствующей строке баланса, что значительно увеличивает финансовый цикл горнодобывающих компаний. В таблице 10 представлены средняя балансовая стоимость запасов для двух исследуемых выборок:

Таблица 10 Средняя балансовая стоимость запасов для российских компаний и компаний горнодобывающей отрасли

Средняя балансовая величина	Российские публичные компании (1)	Компании горнодобывающей отрасли (2)	Соотношение показателей двух выборок: (2)
Запасы, тыс. руб.	7 966 782	31 397 346	3,94
Кредиторская задолженность, тыс. руб.	9 133 887	12 359 632	1,35
Дебиторская задолженность, тыс. руб.	14 336 611	20 411 300	1,42

На основании расчетов, представленных в таблице 10, прослеживается вышеуказанная специфика учета запасов в горнодобывающей отрасли: средняя балансовая величина запасов горнодобывающих предприятий оказалась почти в четыре раза выше соответствующего показателя, чем для российских публичных компаний в целом. Относительно средних балансовых величин кредиторской и дебиторской задолженностей можно сделать вывод о том, что разница этих показателей не столько значительна, однако превышение величины данных показателей в горнодобывающей отрасли по сравнению с российскими публичными компаниями в совокупности также наблюдается. Таким образом, благодаря большой разнице в величине запасов в двух выборках, можно предположить, что оптимальный период оборота денежных средств для предприятий горнодобывающей отрасли должен быть больше, чем для российских публичных компаний в целом, поскольку горнодобывающая предприятия на балансовых счетах имеют более высокие показатели запасов.

Таким образом, выдвигаемая нами в данной подглаве гипотеза может быть сформулирована следующим образом: взаимосвязь периода оборота денежных средств и результативности российских публичных компаний горнодобывающей отрасли может быть описана квадратичной функцией. Учитывая, что финансовый цикл публичных компаний горнодобывающей промышленности длиннее, чем финансовый цикл российских публичных нефинансовых компаний в целом, нами выдвигается дополнительная гипотеза: оптимальный период оборота денежных средств для российских публичных компаний горнодобывающей отрасли длиннее, чем для российских публичных нефинансовых компаний в целом.

Далее, анализ производился по тому же алгоритму, что и для общей выборки российских публичных нефинансовых компаний.

Так, результаты сквозной регрессии представлены в таблице 11.

Таблица 11 Результаты сквозной регрессии для выборки горнодобывающих компаний

	в-коэф.	t	p-value
ССС/100	0,9300	0,46	0,645
(CCC/100)2	-0,5430	-0,49	0,624
SIZE	0,0978	2,81	0,007
LEV	0,6636	1,94	0,059
GROWTH	-2,7724	-1,51	0,137
ROA	0,5027	0,80	0,429
CR	-0,0962	-0,45	0,658
QR	0,2959	0,98	0,332
const	-1,6130	-1,48	0,145

Исходя из данных, представленных в таблице 11, следует, что на 5% уровне значимости 7 из 8 переменных оказались незначимыми, в том числе и интересующие нас переменные периода оборота денежных средств. Тем не менее, прежде чем приступить к оценке знаков в-коэффициентов, а также интерпретации результатов, как и было сделано ранее, следует сравнить результаты данной модели с результатами оставшихся двух типов моделей - модели с фиксированными и случайными переменными. Данные результаты представлены в таблицах 12 и 13 соответственно.

Таблица 12. Результаты регрессии по модели с фиксированными эффектами

	в-коэф.	t	p-value
ССС/100	1,6324	0,79	0,437
(CCC/100)2	-1,4497	-1,34	0,193
SIZE	0,1629	2,58	0,016
LEV	0,7559	1,72	0,098
GROWTH	-1,1288	-0,23	0,819
ROA	0,2619	0,46	0,650
CR	0,0839	0,49	0,631
QR	-0,0561	-0,22	0,831
const	-2,6741	-2,39	0,025

Таблица 13. Результаты регрессии по модели со случайными эффектами

	в-коэф.	z	p-value
ССС/100	2,3077	1,44	0,149
(CCC/100)2	-1,5967	-1,86	0,062
SIZE ...

Страница:

•  1 
•  2 
•  3 

дипломная работа "Управление рабочим капиталом в российских публичных нефинансовых компаниях" скачать

Подобные документы

• Управление оборотным капиталом предприятия (на примере ООО "Башкиргаз")

  Сущность и структура оборотного капитала. Содержание и основные методы процесса управления оборотным капиталом. Анализ эффективности управления оборотным капиталом в ООО "Башкиргаз". Рекомендации по совершенствованию управления оборотным капиталом.
  
  дипломная работа [915,7 K], добавлен 07.10.2012
  

• Управление собственным капиталом предприятия

  Политика управления собственным капиталом: сущность и этапы в современных условиях. Организационно-экономическая характеристика компании и анализ политики управления собственным капиталом. Методика расчета лизинговых платежей и амортизационных отчислений.
  
  курсовая работа [925,7 K], добавлен 28.05.2015
  

• Анализ эффективности использования оборотных средств и оборотного капитала на примере предприятия ОАО "АТЗ"

  Определение сущности, исследование структуры и изучение методических основ управления оборотным капиталом предприятия. Комплексный анализ процесса управления оборотным капиталом ОАО "АТЗ". Меры по повышению эффективности управления оборотным капиталом.
  
  курсовая работа [102,5 K], добавлен 05.11.2011
  

• Управление основным капиталом в ЗАО "Степное" Половинского района Курганской области

  Структура основного капитала предприятия. Кредит как форма управления основным капиталом. Финансовое состояние и организационно-экономическая характеристика общества. Резервы увеличения эффективности управления основным капиталом в ЗАО "Степное".
  
  курсовая работа [108,4 K], добавлен 13.08.2012
  

• Управление оборотным капиталом предприятий

  Системный подход к разработке механизма реализации финансовой политики в области управления оборотным капиталом на предприятии. Анализ влияния финансового цикла на рентабельность, ликвидность компании. Хозяйственная деятельность в современной организации.
  
  курсовая работа [1,0 M], добавлен 13.05.2015
  

• Управление собственным капиталом корпорации, на примере ОАО "Рольф"

  Рассмотрение основных теоретико-методических принципов управления собственным капиталом предприятия. Анализ деятельности и оценка эффективности управления капиталом ОАО "Рольф". Выявление путей совершенствования структуры капитала данного предприятия.
  
  курсовая работа [585,8 K], добавлен 16.05.2015
  

• Управление собственным капиталом компании

  Собственный капитал предприятия: определение и сущностные характеристики, структура. Задачи управления собственным капиталом. Организационно-экономическая характеристика ОАО "Пензпромстрой", повышение эффективности использования собственного капитала.
  
  дипломная работа [285,1 K], добавлен 26.01.2012
  

• Управление оборотным капиталом компании (на примере ООО "Розмысл")

  Анализ динамики и структуры источников финансирования, дебиторской и кредиторской задолженности предприятия, уровня рентабельности и оборачиваемости оборотных средств. Исследование проблем управления оборотным капиталом и пути его совершенствования.
  
  курсовая работа [159,4 K], добавлен 15.06.2015
  

• Управление заемным капиталом предприятия

  Разработка модели управления организацией. Управление заемным капиталом предприятия: субъекты и объекты, банковское кредитование, политика и пути привлечения. Показатели и критерии определения эффективности управления заемным капиталом организации.
  
  курсовая работа [56,6 K], добавлен 17.05.2011
  

• Управление оборотным капиталом на предприятии

  Теоретические аспекты анализа и управления оборотным капиталом предприятия. Анализ оборотного капитала ООО "Краснодарторгтехника" за 2007-2009 гг. Основные направления повышения эффективности управления, рекомендации по результатам исследования.
  
  дипломная работа [534,4 K], добавлен 16.02.2011
  

• Особенности управления собственным оборотным капиталом предприятия

  Сущность и классификация оборотного капитала. Политика управления оборотным капиталом, ее виды и признаки. Правила операций по покрытию финансовых потребностей. Методы расчёта собственного капитала организации и оценка эффективности управления им.
  
  курсовая работа [69,2 K], добавлен 18.01.2014
  

• Пути оптимизации управления капиталом предприятия ООО "Красноармейский хлебокомбинат"

  Сущность и классификация капитала, задачи управления. Структура капитала, собственный и заемный капитал. Коэффициенты финансовой устойчивости. Организация управления капиталом предприятия и контроль его движения: рекомендации по повышению эффективности.
  
  дипломная работа [1,2 M], добавлен 28.12.2011
  

• Управление собственным капиталом предприятия (на примере ООО "Лемон")

  Сущность и структура собственного капитала предприятия, механизм управления им. Источники формирования собственных финансовых ресурсов предприятия. Анализ и оценка эффективности управления собственным капиталом ООО "Лемон", пути его совершенствования.
  
  курсовая работа [619,1 K], добавлен 15.01.2012
  

• Управление заемным капиталом предприятия

  Сущность и структура заемного капитала, показатели эффективности его использования. Организационно-экономическая характеристика предприятия ООО "Торговый дом Амикс". Основные направления совершенствования управления заемным капиталом организации.
  
  дипломная работа [173,6 K], добавлен 09.02.2015
  

• Управление основным капиталом корпорации

  Понятие и сущность основного капитала предприятия, анализ и оценка эффективности его использования. Финансово-экономическая характеристика предприятия ОАО "АПК КАЭС". Меры по совершенствованию управления основным капиталом в современных рыночных условиях.
  
  курсовая работа [59,4 K], добавлен 15.01.2014
  

• Управление оборотным капиталом на примере предприятия ООО "Инворм" (г. Чехов Московской области)

  Экономическое содержание и структура оборотного капитала, показатели эффективности его использования. Анализ использования оборотного капитала предприятия ООО "Инворм". Разработка рекомендаций по повышению эффективности управления оборотным капиталом.
  
  курсовая работа [1,3 M], добавлен 02.08.2015
  

• Управление собственным капиталом

  Особенности управления собственным капиталом, под которым понимают стартовый капитал, необходимый предприятию для осуществления финансово-хозяйственной деятельности с целью получения прибыли. Анализ финансового состояния фирмы на примере ООО "Архимед".
  
  дипломная работа [351,2 K], добавлен 19.10.2010
  

• Финансовый механизм управления деятельностью предприятия и пути повышения его эффективности

  Характеристика основных направлений финансовой деятельности на предприятии ООО "АльфаТрансОйл". Анализ социально-экономической деятельности российской организации. Основы управления собственным капиталом компании, привлечение инвестиций и заемных средств.
  
  дипломная работа [113,5 K], добавлен 28.06.2014
  

• Совершенствование планирования и управления оборотным капиталом предприятия

  Значение и сущность оборотного капитала. Анализ финансово-хозяйственной деятельности предприятия ГУП "Фармация". Методика планирования, анализа и управления оборотным капиталом данного предприятия в части товарных запасов и применение ее на практике.
  
  дипломная работа [1,9 M], добавлен 19.08.2011
  

• Управление оборотным капиталом предприятия в условиях снижающейся платежеспособности

  Организационно-экономическая характеристика и правовая структура ООО "ЮгПрофКомплект". Финансовые показатели деятельности предприятия. Методы управления оборотным капиталом. Анализ и оценка динамики основных средств. Оптимизация дебиторской задолженности.
  
  дипломная работа [271,0 K], добавлен 21.04.2016
  

Другие документы, подобные "Управление рабочим капиталом в российских публичных нефинансовых компаниях"

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