Финансовый анализ трансферной политики футбольных клубов и трансферной стоимости игроков

Одной из главных проблем при анализе трансферной стоимости футболистов заключается в ограниченности выборки и это явление часто игнорируется при проведении исследований (Frick, 2007), при этом в отдельных исследования размер выборки не достигает 200 футболистов. Фрик (Frick, 2007) указывает, по крайней мере, два разных источника возможного смещения выборки: 1) не все игроки имеют одинаковую вероятность быть купленными и 2) подвыборка проданных на трансферном рынке футболистов (информацию по которым есть в открытом доступе), может быть не случайной выборка из всех совершенных трансферов. Еще несколько лет назад последнее могло сильно повлиять на результаты исследований. Так, по данным (Sky Sports, 2013) в футбольном сезонах 2011-12 и 2012-13 в Англии было совершено около 1000 трансферов, при этом реально стоимость перехода была известна только около 18%. Чтобы решить эту проблему, данные для данного исследования собирались за последние 3 сезона по крупным европейским лигам.

Проблема определения наиболее важных факторов рыночной стоимости футболистов достаточно хорошо исследована в научной литературе, например (Wicker et al., 2013, Idson and Kahane, 2000, Kahn, 2000). Некоторые из них сосредоточены на переменных, чтобы сделать набор наиболее полным, покрывающим все аспекты, а другие - на моделях и методах. В научной литературе было использована множество переменных, определяющих трансферную стоимость футболиста. В первую очередь, это факторы, связанные с выступлениями футболиста за прошлый клуб, такие как, количество сыгранных игр, голы, голевые передачи и другие показатели производительности игрока. Также, часто применяющимися в оценке рыночной стоимости игрока являются его личные качества футболиста (возраст, рост, национальность и т.д,), позиция на поле, статистика выступлений за национальную сборную и т. д. (Szymanski and Kuper, 2009).

Цель этой части исследования - представить переменные, влияющие на трансферную стоимость игрока, основываясь на существующей в научной литературе практике, а также исследовать возможное влияние ранее неисследованных факторов. Затем будет построена эконометрическая модель, оценивающая рыночную стоимость футболистов (полевых игроков, без учета голкиперов), с учетом предположений эконометрического моделирования. Построение эконометрической модели с учетом разного рода переменных дает новую перспективу для интерпретации и управления нематериальными активами в спортивной компании. Данные, использованные в этом исследовании, были собраны с веб-сайтов www.transfermarkt.de и whoscored.com по состоянию на апрель 2018 года. Данные порталы содержат наиболее актуальную статистику по трансферному футбольному рынке и игровой статистике футболистов и используются в различных научных исследованиях (Majewski, 2016). Полный список, использованных в исследовании факторов в таблице 7:

Все факторы были распределены в 5 условных категорий:

1. Факторы, отражающие игровую статистику за прошедший сезон. Статистика по каждому отдельному игроку собиралась за предыдущий сезон, таким образом, если трансфер игрока состоялся в сезоне 2018-19, статистика его выступлений бралась за сезон 2017-18. К данным факторам относится количество матчей, голов, средний рейтинг за сезон и другие игровые показатели.

2. Факторы, отражающие персональные характеристики игрока. К ним относятся рост, возраст, национальность игрока. Национальность может оказывать значительное влияние в условия жесткого лимита на иностранных футболистов в лиге, что повышает спрос на отечественных футболистов. Также в эту категорию были добавлены ранее не исследованные факторы, отражающие травматизм (статистика по количеству травм и пропущенных из-за травмы матчей), популярность (количество подписчиков в Instagram) и лидерские качества игрока (капитанство).

Таблица 7. Факторы для оценки трансферной стоимости игрока.

Факторы, отражающие статистику выступлений за сборную. Факт выступления футболиста за национальную сборную отражает высокий уровень мастерства и наличие опыта международных соревнований. В данную категорию попали такие переменные как количество выступлений и голов за сборную. Также мною были сделаны корректировки данных факторов, заключающиеся в делении этих переменных на ранг ФИФА Международная федерация футбола, что лучше бы отражало качество футболистов (так как играть за одну из сильнейших сборных мира гораздо престижнее, чем за слабую сборную). Также была добавлена дамми-переменная, равная 1, если игрок сыграл больше 13 игр (выбрана на основе максимизации коэффициента корреляции между трансферной стоимостью и дамми-переменной) за сборную.

3. Факторы, связанные с клубом. К этим факторам относятся количество голов забитых и пропущенных предыдущим клубом игрока в прошлом сезоне, что отражает уровень клуба, в котором раньше играл футболист. Также к факторам, связанным с клубом, были отнесены количество лет до конца контракта игрока с предыдущим клубом и количество лет по контракту с новым клубом. Чем меньше времени остается до конца контракта игрока, тем меньше переговорная сила клуба на трансферном рынке. Если футболист стоит 100 млн. евро и до конца его контракта остается 1 год, это значит, что любой клуб может получить его бесплатно всего через год, таким образом рыночная цена игрока будет гораздо меньше 100 млн. евро. Подразумевая, что данная зависимость нелинейно, мы также используем как факторы квадрат этих переменных.

4. Внешние факторы. К внешним факторам относится ранг сборной футболиста в рейтинге ФИФА, что является прокси-переменной для уровня национальной сборной футболиста. Также, внешним фактором то, в какое летнее или зимнее трансферное окно был приобретен футболист (дамми-переменная). Зимнее трансферное окно уступает летнему в продолжительности и количестве совершенных трансферов, поэтому в научной литературе существует гипотеза о том, что трансферная стоимость футболистов в зимнее окно статистически больше, по той причине, что эти трансферы в середине сезона менее ожидаемы и требуют от клуба прибавки к стоимости игрока в виде премии за неожиданный переход. Также для проверки гипотезы о том, влияет ли принадлежность клуба к определенному национальному чемпионату на трансферную стоимость купленных им игроков, была добавленная категориальная дамми-переменная для топ-5 чемпионатов.

Построение модели оценки трансферной стоимости игрока

Для нахождения оценки рыночной стоимости футболистов была использована эконометрическая модель линейной регрессии с использование статистического программного пакета STATA. Обучающая выборка состоит из данных по 878 футболистам, сделки по приобретению которых состоялись в период с начала сезона 2015-16 по конец сезона 2018-19. Из них: 795 футболистов были куплены футбольными клубами из топ-5 европейских лиг и 83 футболиста были куплены футбольных клубами из Нидерландов, России и Португалии. Также, в этом исследовании мы ориентируемся на нахождение стоимости всех полевых игроков, за исключение голкиперов, так как эта позиция на поле имеет свои особенности и характеристики игры голкипера не подходят для общей выборки. По сравнению с другими моделями в научной литературе мой метод имеет два преимущества. Во-первых, решается проблема ограниченной выборки за счет использования неслучайной выборки трансферных сделок с известной трансферной стоимостью игрока и, во-вторых, оценивание производится на гораздо большей выборке. Также, в итоговой эконометрической модели были учтены и устранены все формальные проблемы оценки, такие как ненормальность остатков, мультиколлинеарность и гетероскедастичность. Результатом стала новая эконометрическая модель, определяющая рыночную стоимость футболистов с использованием выбранных значимых переменных.

После удаления из выборки выбросов, используя процедуру обратного исключения (Backward Elimination) получаем модель, проверим гипотезы о влияние различных факторов на трансферную стоимость футболиста.

Гипотеза № 2.1. Популярность футболиста увеличивает его трансферную стоимость.

Логичным предположением является то, что популярность футболиста повышает его трансферную стоимость, так помогает клубу больше зарабатывать на имени этого игрока. Это включает в себя продажи футболок, рекламу и общий рост популярности клуба. Для примера, после перехода Криштиану Роналду в итальянский Ювентус летом 2018 года, количество подписчиков Ювентуса в Instagram за 24 часа после объявления о трансфере выросло на 25%. В качестве прокси-переменной популярности было выбрано количество подписчиков в Instagram, являющейся на данной момент одной из самых популярных социальных сетей. В случае, если у игрока не было аккаунта в Instagram, бралось количество подписчиков из социальных сетей Twitter и Facebook. Чтобы скорректировать эффект от большой разницы между количеством подписчиков у разных футболистов (например, у Криштиану Роналду 164 млн. подписчиков, в то время как у среднее количество по выборке равно 1 млн.) используется логарифм от данной переменной, чтобы "сгладить" эффект, что также является экономически обоснованным, по той причине, что чем более известен футболист, тем быстрее растет количество его подписчиков.

Проверяем нулевую гипотезу о равенстве переменной нулю. При прочих равных, коэффициент перед фактором:

Таким образом, коэффициент перед фактором является статистически значимым. Количество подписчиков оказывает положительное влияние на трансферную стоимость игрока, при этом увеличение количества подписчиков в 2,718 раз означает рост стоимость футболиста на 1, 88 млн евро. Гипотеза 2.1 подтверждается.

Гипотеза № 2.2. Количество матчей, пропущенных игроком из-за травмы, отрицательно влияет на его трансферную стоимость.

Травматизм футболистов также является новой переменной при определении трансферной стоимости игрока, что может быть связано высокими затратами на поиски обработку данной информации. Травматизм должен снижать стоимость игрока, так как лишает игрока игровой практики и тонус, а также повышает уровень рецидива в будущем.

Проверяем нулевую гипотезу о равенстве переменной нулю. При прочих равных, коэффициент перед фактором:

Таким образом, нулевая гипотеза не отвергается, коэффициент перед фактором не является статистически значимым при любом разумном уровне значимости. Так как коэффициент оказался положительным и незначимым, можно говорить о том, что гипотеза 2.2 отвергается.

Гипотеза № 2.3. Существует различие между трансферной стоимостью футболистов в летнее и зимнее трансферное окно.

Основным аргументом в пользу этой гипотезы, является то, что трансферы совершенные в середине сезона (зимой) менее обдуманны менеджментом клуба или преследуют цель быстро закрыть проблемную позицию в составе, не желая ждать следующего (летнего) трансферного окна. Также, спонтанное приобретение игрока требует от покупающего клуба "премии" за срочность, что также повышает цену игрока.

Проверяем нулевую гипотезу о равенстве переменной нулю. При прочих равных, коэффициент перед фактором:

Таким образом, нулевая гипотеза не отвергается, коэффициент перед фактором не является статистически значимым при любом разумном уровне значимости. Несмотря на то, что коэффициент получился положительным, как и ожидалось в формулировке гипотезы, переменная имеет слишком большую стандартную ошибку. Решение этой проблемы в будущем может быть проверка на еще большей выборке, однако на данный момент гипотеза 2.3 отвергается.

Гипотеза № 2.4. Наличие статуса капитана в предыдущем клубе или национальной сборной положительно влияет на трансферную стоимость футболиста.

Наличие капитанской повязки является прокси-переменной сразу для нескольких факторов. Во-первых, статус капитана отражает лидерские качества игрока и ставит его выше остальных игроков в плане личных характеристик как пример для подражания. Во-вторых, капитанская повязка дается игрокам, имеющим постоянную игровую практику и высокие игровые характеристики. Игроку, не являющимся высококлассным в свое амплуа, тяжело получить капитанскую повязку, особенно в национальной сборной. В-третьих, статус капитана клуба получает игрок, находящийся в клубе продолжительное время. Это снижает возможность приобретения игрока из-за высокого уровня лояльности и доверия между игроком и клубом.

Проверяем нулевую гипотезу о равенстве переменной нулю. При прочих равных, коэффициент перед фактором:

Таким образом, нулевая гипотеза не отвергается, коэффициент перед фактором не является статистически значимым при любом разумном уровне значимости. Как и в предыдущем случае стандартная ошибка параметра слишком большая, чтобы получить статистически значимый коэффициент. Гипотеза 2.4 отвергается.

Гипотеза № 2.5. Существует зависимость между тем, в чемпионате какой страны выступает футбольный клуб и трансферной стоимостью приобретаемых этим клубом игроков.

Такой внешний фактор как страна, в которой выступает клуб также может иметь значительные эффект на трансферную стоимость футболиста. Это объясняется различным уровнем развития футбольной индустрии в разных странах. На данным момент, самым развитым чемпионом, с точки зрения генерации доходов является Английская-Премьер лига, в следствие чего, в данном чемпионате распределяется большее количество денежных средств в виде доходов от продаж прав на телетрансляции, призовые и рекламы, что позволяет клубам платить больше за привлечение иностранных игроков и платить им большую заработную плату, данная гипотеза будет проверена на с помощью категориальной переменной, отражающей принадлежность клуба к одной из пяти самых крупных лиг Европы.

Проверяем нулевую гипотезу о равенстве переменной нулю. При прочих равных, коэффициент перед фактороми для каждой из стран (таблица 8):

Таблица 8.

Таким образом, нулевая гипотеза не отвергается при уровне значимости равном 1%, для Англии, Испании и Италии, 5% для Франции и 10% для Германии. Как и предполагалось в гипотезе, если игрок покупается английским клубом, то в среднем клуб платит на 11 млн. евро больше, других клубов Европы (Нидерланды, Португалия и России), и на 7-9 млн. евро больше, чем клуб из других чемпионатов, входящих в топ-5.

Также проверим попарно гипотезы о том равенстве влияния разных стран между собой:

В таблице 9 представлены p-value для F-теста между переменными для разных стран:

Таблица 9. P-value проверки равенства коэффициентов перед переменными для разных стран.

Гипотеза об исключительном влияния Англии на трансферном рынке еще раз подтвердилось, однако тест не отверг гипотезу об одинаковом влияния между Испанией и Италией и Францией, а также между Францией и Германией. Таким образом гипотеза о зависимости трансферной стоимости и страны, в которой играет клуб подтверждается, при этом наибольшее влияние на цену оказывают английские клубы, наименьшее - немецкие. Гипотеза 2.5 подтверждается.

После проверки всех гипотез и удаления из модели всех статистически незначимых переменных, имеем:

Итоговая модель (таблица 10):

R-квадрат модели = 0,53, что говорит о хорошей прогнозной способности модели.

Таблица 10. Итоговая модель оценки трансферной стоимости игрока.

2.2 Проверка зависимости остатков модели и финансовых показателей футбольного клуба

Основываясь на модели из главы 2.2, проведем анализ остатков регрессионной модели с целью выявить зависимость между финансовыми показателями футбольного клуба и трансферной политикой клуба.

Остатки модели оказывают разницу между реальной трансферной стоимостью игрока и его оценкой стоимости с помощью регрессионной модели.

Таким образом, если остаток в отдельном наблюдении (для конкретного футболиста) является положительным - это значит, что, учитывая все факторы, на момент сделки футболист был переоценен, то есть куплен по завышенной стоимости. Аналогично, если остаток отрицательный, то футболист на момент сделки был недооценен. Ожидается, что клубы ведущие грамотную и расчетливую трансферную политику, покупая недооцененных футболистов, ставят в приоритете максимизацию прибыли и имеют также более устойчивое финансовое положение. Также анализ остатков, подтверждает гипотезу о наличии структурного сдвига, произошедшего в сезоне с 2017-18 после перехода Неймара в французский Пари Сен-Жермен (таблица 11). Неравномерно распределенная сумма остатков говорит о возросшем уровне цен на трансферном рынке, что необходимо будет учитывать в дальнейших исследованиях по данной теме.

Таблица 11. Сумма остатков по сезонам.

Агрегировав информацию об остатках модели по клубам, были получены результаты по 35 европейским клубами, отражающие суммарную переоценку или недооценку всех трансферных сделок клуба за последние 3 года. Данная информация показывает является ли трансферная политика клуба направленной на получение прибыли или максимизацию спортивных результатов, а также указывает на эффективность проводимой трансферной политики. Затем, используя корреляционный анализ, были оценена зависимость с финансовыми показателями клуба за 2018 год. Результаты данного анализа в таблице 12:

Таблица 12. Коэффициент корреляции между остатками и финансовыми индикаторами.

Сумма остатков показала слабую корреляцию с показателями, отображающими прибыль футбольного клуба. Самая сильная корреляция наблюдалась с показателем маржи EBITDA (рисунок 3), однако коэффициент оказался слишком низким, чтобы говорить о наличии статистически значимой связи.

Рисунок 3. Зависимость маржи EBITDA и остатков регрессии.

Показатели ликвидности имеют более высокий коэффициент корреляции с остатками модели регрессии (рисунок 4). Зависимость является положительной, что говорит нам о большей способности клубов, чьи трансферные сделки переоценены, справляться с текущей задолженностью, используя свои оборотные активы. Из этого мы можем сделать вывод, что клубы, имеющее стабильное финансовое положение и достаточное количество оборотных активов позволяют себе не экономить на трансферном рынке, а перетрачивать, приобретая необходимых игроков.

Рисунок 4. Зависимость коэффициента ликвидности и остатков регрессии.

Показатели долговой нагрузки также имеют умеренную корреляцию с остатками исследуемой регрессионной модели. Наибольшую зависимость показывает соотношение совокупных обязательства к совокупным активам (рисунок 5), в то время как коэффициент финансового рычага имеет корреляцию близкую к нулевой. Из этого можно сделать вывод, что основное влияние на трансферную политику клуба оказывает сумма совокупных активов компании, в то время как обязательства играют в этом незначительную роль.

Рисунок 5. Зависимость коэффициент совокупных обязательств к совокупным активам и остатков регрессии.

И, наконец, самое большое влияние на то, переоценивает ли клуб приобретаемых им игроков, оказывает операционная выручка клуба (рисунок 6). Это еще раз подтверждает тот вывод, что размер футбольного клуба и его финансовая состоятельность оказывают наибольшее влияние на то, как клуб принимает решение о приобретении игрока и какую трансферную цену он готов за него заплатить.

Рисунок 6. Зависимость операционной выручки и остатков регрессии.

Заключение

Таким образом, в данной работе мы провели обзор трансферного футбольного рынка и классифицировали стратегии футбольных клубов на данном рынке. Затем, с помощью метода анализа финансовых коэффициентов и регрессионного анализа мы оценили разницу во влиянии финансовых индикаторов на трансферную политику клуба (выраженную через сумму покупки, сумму продажи игроков и сальдо этих операций). Краткие результаты данного анализа в таблице 13.

Таблица 13. Различия во влияния факторов на разные стратегии клуба на трансферном рынке.

Также была построена модель оценки трансферной стоимости футболиста. В данной модели был футболиста использован большой набор факторов, в том числе ранее неиспользованных в научных работах. Результаты, полученные по данным факторам в таблице 14. Основываясь на результатах данной модели, была подтверждена гипотеза о наличии структурного сдвига на трансферном рынке в сезоне 2016/17, совпавшим с переходом Неймара в Пари Сен-Жермен. Также, основываясь на результатах данной модели еще раз была подтверждена гипотеза о различии в финансовом положении между клубами, переплачивающими за игроков, и клубами, покупающими недооцененных игроков.

Таблица 14. Оценка зависимость факторов в модели оценки стоимости игрока

Данные тема имеет дальнейшую перспективу исследований. Основными направлениями дальнейших исследований является анализ влияния финансовых показателей на трансферную политику с лагом, агрегация на данных на более длинные периоды (а не на 1 сезон/год) и разработка новых методик к определению стратегий клуба на трансферном рынке. В области оценки трансферной стоимости футболиста необходимо использование новых факторов, увеличивающих прогнозную силу модели, проверка гипотез на выборке с более высоким количеством наблюдений, а также применений новых методологий (нейронных сетей, методов машинного обучения и т.д.).

Библиография

1. Andreff W., Bourg J. F. Broadcasting rights and competition in European football //The economics of sport and the media. - 2006. - С. 37-70.

2. Andreff W. Some comparative economics of the organization of sports: competition and regulation in north American vs. European professional team sports leagues //European Journal of Comparative Economics. - 2011. - Т. 8. - №. 1. - С. 3-27.

3. Andreff W., Staudohar P. D. The evolving European model of professional sports finance //Journal of sports economics. - 2000. - Т. 1. - №. 3. - С. 257-276

4. Carmichael F., Thomas D. Bargaining in the transfer market: theory and evidence //Applied Economics. - 1993. - Т. 25. - №. 12. - С. 1467-1476.

5. Carmichael F., Forrest D., Simmons R. The labour market in association football: who gets transferred and for how much? //Bulletin of Economic Research. - 1999. - Т. 51. - №. 2. - С. 125-150.

6. Dima T. The Business Model of European Football Club Competitions //Procedia economics and finance. - 2015. - Т. 23. - С. 1245-1252.

7. Dobson S., Gerrard B., Howe S. The determination of transfer fees in English nonleague football //Applied Economics. - 2000. - Т. 32. - №. 9. - С. 1145-1152.

8. Ecer F., Boyukaslan A. Measuring performances of football clubs using financial ratios: the gray relational analysis approach //American Journal of Economics. - 2014. - Т. 4. - №. 1. - С. 62-71.

9. Frick B. The football players' labor market: empirical evidence from the major European leagues. //Scottish Journal of Political Economy. - 2007. - Т. 54. - №. 3. - С. 422-446.

10. Garcia-del-Barro P., Szymanski S. Goal! Profit maximization and win maximization in football leagues //International Association of Sports Economists. - 2006. - С. 06-21.

11. Gerrard, B., Dobson, S., 2000. Testing for monopoly rents in the market for playing talent: Evidence from english professional football. Journal of Economic Studies 27, 142-164.

12. Hoehn T., Szymanski S. The americanization of European football //Economic Policy. - 1999. - Т. 14. - №. 28. - С. 204-240.

13. Idson T. L., Kahane L. H. Team effects on compensation: an application to salary determination in the National Hockey League //Economic Inquiry. - 2000. - Т. 38. - №. 2. - С. 345-357.

14. Kйsenne S. League management in professional team sports with win maximizing clubs //European Journal for Sport Management. - 1996. - Т. 2. - №. 2. - С. 14-22.

15. Kйsenne S. Revenue sharing and competitive balance in professional team sports //Journal of Sports Economics. - 2000. - Т. 1. - №. 1. - С. 56-65

16. Kйsenne S. The Economic Theory of Professional Team Sports: An Analytical Treatment _. - Edward Elgar Publishing, 2014.

17. Koning R. H. Sport and measurement of competition //De Economist. - 2009. - Т. 157. - №. 2. - С. 229-249.

18. Kuper S., Szymanski S. Why England Lose: & other curious football phenomena explained. - HarperCollins UK, 2010.

19. Lang M., Grossmann M., Theiler P. The sugar daddy game: how wealthy investors change competition in professional team sports //Journal of Institutional and Theoretical Economics JITE. - 2011. - Т. 167. - №. 4. - С. 557-577.

20. Majewski S. Identification of factors determining market value of the most valuable football players //Journal of Management and Business Administration. - 2016. - Т. 24. - №. 3. - С. 91-104.

21. Medcalfe, S., 2008. English league transfer prices: is there a racial dimension? a re-examination with new data. Applied Economics Letters 15, 865-867.

22. Rey A., Santelli F. The relationship between financial ratios and sporting performance in Italy? s Serie A //International Journal of Business and Management. - 2017. - Т. 12. - №. 12. - С. 53-63.

23. Rohde M., Breuer C. Europe's elite football: Financial growth, sporting success, transfer investment, and private majority investors //International Journal of Financial Studies. - 2016. - Т. 4. - №. 2. - С. 12.

24. Ruijg J., van Ophem H. Determinants of football transfers //Applied Economics Letters. - 2015. - Т. 22. - №. 1. - С. 12-19.

25. Sky Sports, 2013. Football Yearbook 2013-2014. Headline.

26. Solntsev I. V., Chuchina E. A. Transformation of financial statements of the Russian football clubs in accordance with International financial reporting standards //Дайджест-финансы. - 2017. - Т. 22. - №. 2 (242).

27. Speight, A., Thomas, D., 1997. Football league transfers: a comparison of negotiated fees with arbitration settlements. Applied Economics Letters 4, 41-44.

28. Wilson R., Plumley D., Ramchandani G. The relationship between ownership structure and club performance in the English Premier League //Sport, Business and Management: An International Journal. - 2013. - Т. 3. - №. 1. - С. 19-36.

Электронные ресурсы:

29. Распределение доходов в ЛЧ-2018/19 // Официальный сайт УЕФА. [Электронный ресурс] // https://uefa.com URL: https://ru.uefa.com/uefachampionsleague/news/newsid=2398635.html (дата обращения: 01.05.2018).

30. Deloitte LLP. Annual review of football finance 2013. - July 2013. Available at: https://www2.deloitte.com/content/dam/Deloitte/uk/Documents/sports-business-group/deloitte-uk-sbg-arff-2013-highlights-download.pdf (accessed 1 May 2018)

31. Deloitte LLP. Annual review of football finance 2018. - July 2018. Available at: https://www2.deloitte.com/content/dam/Deloitte/uk/Documents/sports-business-group/deloitte-uk-sbg-annual-review-of-football-finance-2018.PDF (accessed 1 May 2018)

32. Official web-page of Union of European Football Associations. Financial Fair Play. Available at: https://www.uefa.com/insideuefa/protecting-the-game/club-licensing-and-financial-fair-play/index.html (accessed 1 May 2018).

33. KPMG Sports Advisory Practice. The European Champions Report 2019. Available at: https://www.footballbenchmark.com/documents/files/public/KPMG%20Football%20Benchmark%20-%20The%20European%20Champions%20Report%202019.pdf (accessed 1 May 2018)

34. KPMG Sports Advisory Practice. The European Elite 2018. Available at: https://www.footballbenchmark.com/documents/files/public/KPMG%20Football%20Benchmark%20-%20The%20European%20Champions%20Report%202019.pdf (accessed 1 May 2018)

Размещено на Allbest.ru