Таблица 1 Формулы, используемые для расчёта зависимой и независимых переменных

Показатель	Название в модели	Формула
Капитальные инвестиционные вложения	Inv	,
Денежный поток компании	CF	,
Финансовая ограниченность	Fin_rest	Дамми-переменная финансовой ограниченности компании (1 - более финансово ограниченная компания, 0 - в противном случае)
Рентабельность инвестиций	ROI	,
Рентабельность продаж	ROS	,
Рентабельность собственного капитала	ROE	,
Финансовый леверидж	LEV	,
Капиталоёмкость	CapInt	,
Размер компании	Size	Данные системы «СПАРК»
Возраст компании	Age	Данные системы «СПАРК»
Год 2015	Year_2015	Дамми-переменная 2015 года (1 - 2015 год, 0 - в противном случае)
Год 2016	Year_2016	Дамми-переменная 2016 года (1- 2016 год, 0 - в противном случае)
Год 2017	Year_2017	Дамми-переменная 2017 года (1- 2017 год, 0 - в противном случае)

3.2 Метод проведения исследования

Тип данных, которые используются в данном исследовании, - панельный, и, соответственно, в работе будет использован регрессионный анализ панельных данных. Преимуществом использования панельного типа данных в исследовании является возможность включения лаговых переменных в модель, которые влияют на зависимую переменную с некоторым запаздыванием, учитывая динамические зависимости. Помимо этого, преимуществом также является возможность оценить регрессию, проанализировать поведение переменных и учесть их различия в разные периоды времени.

Для учета панельной структуры данных, а также для решения проблемы эндогенности, возникающей из-за индивидуальных эффектов компаний, в данном исследовании будет оценена модель с фиксированными эффектами. При включении упомянутых ранее переменных модель примет следующий вид:

,

Кроме этого, будет построена модель без включения временных эффектов для последующей проверки целесообразности их включения.

Для построения переменной финансовых ограничений (Fin_rest) будет использован метод главных компонент. Выбор количества компонент, используемых после объединения переменных, будет осуществлен с помощью графического метода - графика каменистой осыпи, а также с помощью анализа полученных компонент.

3.3 Предварительный анализ данных

Данное исследование основано на панельных данных по финансовым отчетностям российских компаний за 2014-2018 гг. Данные были взяты из информационной системы «СПАРК-Интерфакс» (http://www.spark-interfax.ru/). Опираясь на данную выборку, были созданы необходимые для исследования переменные. Наличие запаздывания в модели выражено в виде лаговых переменных, которые были сдвинуты на один период назад. Из-за этих особенностей в выборку вошло 4 периода. Для формирования данной базы были выбраны компании, которые осуществляют тот или иной объем инвестиций в основные средства, а также которые раскрывают собственную финансовую отчетность. Изначальное количество наблюдений в выборке составляло 100 522, однако часть компаний не имела наблюдения за все года. Кроме этого, были исключены наблюдения с пропущенными переменными. Таким образом, количество наблюдений в сбалансированной панели сократилось до 9 360 наблюдений. Построение модели и анализ данных были выполнены в программном пакете R-studio.

В выборке также присутствуют статистические выбросы, которые необходимо исключить. Они были исключены с помощью графического метода, а именно с помощью построения гистограмм распределения (Приложение 1) и ящичковых диаграмм (Приложение 2). На данные были наложены следующие ограничения: CF<2.5; ROS>-10; ROI<150 000; ROE<150; LEV<60 000. После исключения из выборки статистических выбросов количество наблюдений уменьшилось до 7 456.

Следует обратить особое внимание на зависимую переменную, отображающую инвестиционную активность компании, а именно инвестиции в основные средства. Чтобы понять, какие максимальные и минимальные значения принимает данная переменная, а также рассмотреть её среднее значение, обратимся к описательным статистикам переменной:

Таблица 2 Описательные статистики зависимой переменной

Min.	1st Qu.	Median	Mean	3rd Qu.	Max.
0.000	0.085	0.236	0.303	0.480	0.993

Наименьшее значение, которое принимает зависимая переменная, равно 0. В выборке присутствовали отрицательные значения переменной инвестиций в основные средства, однако они были исключены в процессе очистки данных от статистических выбросов. Так, в выборке остались только наблюдения с неотрицательной величиной капитальных инвестиций. Среднее значение для данной переменной составляет 0.303, максимальным же значением является 0.993.

Поскольку таблица описательных статистик представлена для уже пронормированной переменной, следует рассмотреть, каким образом изменяется переменная инвестиций в основные фонды в её абсолютных значениях. График данной переменной в зависимости от возраста компании представлен на следующем рисунке:

Рис.1. Инвестиции в основной капитал в зависимости от возраста компании

На данном графике представлена зависимость инвестиций в основные фонды от возраста компании. Также различными цветами отмечен размер той или иной компании. По графику видно, что с увеличением возраста компании увеличиваются и инвестиции, затем происходит затухание и возобновление роста. Причиной этому может являться тенденции к расширению производства молодых компаний и обновлению и модернизации оборудования компаний в зрелом возрасте. Объем инвестиций также увеличивается при росте размера компании. На графике можно увидеть, что значительный объем инвестиций осуществляется только крупными компаниями.

Следует проверить распределение зависимой переменной на нормальность с помощью теста Харке-Бера, а также рассмотреть характер распределения переменной:

Таблица 3 Тест Харке-Бера

P-value	Skewness	Kurtosis
<2.2e-16	0.625	2.389

Значение показателя probability представляет собой крайне малое значение. В этом случае нулевая гипотеза о нормальности распределения может быть отклонена. Распределение зависимой переменной отлично от нормального. Кроме этого, данное распределение является скошенным вправо, а также островершинным.

Независимые переменные, а также их распределения, также необходимы к рассмотрению. В следующей таблице представлены описательные статистики количественных переменных, включенных в модель:

Таблица 4 Описательные статистики независимых переменных

	Mean	Std.Dev	Min	Median	Max
Age	20.59	6.17	2.50	21.50	40.50
CF	0.14	0.17	-0.43	0.09	2.00
LEV	4.16	115.90	-107.51	0.62	9927.30
ROE	0.35	1.80	-13.47	0.18	133.47
ROI	55.17	1551.84	-76.30	0.57	107152.27
ROS	0.14	0.17	-3.62	0.10	1.66
Size	1.85	0.99	0.00	2.00	3.00

В связи с тем, что некоторые из компаний являются крупными и обладают большей операционной прибылью, показатель ROI изменяется в довольно широком диапазоне. Как можно заметить, его максимальное значение составляет 107152.27, что говорит о значительном превышении операционной прибыли над инвестициями. Показатель финансового рычага также имеет широкий диапазон значений, поскольку его максимальным значением является 9927.30, что говорит о внушительном превышении количества заемного капитала над собственным. Переменная денежного потока в данной таблице уже является нормированной величиной, поэтому её значения изменяются в незначительных пределах, однако можно увидеть, что минимальное значение является отрицательным. Это говорит о том, что в выборке есть компании, работающие в убыток. Помимо данной переменной, отрицательными минимальными значениями обладают показатели рентабельности и финансовый леверидж. Существенное отклонение медианы от среднего значения наблюдается у переменных финансового левериджа и рентабельности инвестиций. Если говорить о средних значениях, то в среднем компании осуществляют свою деятельность около 21 года, а также являются средними по размеру.

Рис.2. График денежного потока компаний в зависимости от их возраста

Интерес вызывает переменная денежного потока компании, поскольку в исследовании рассматривается именно чувствительность инвестиционной активности к денежному потоку. Поскольку в модели используется пронормированная переменная, следует проанализировать диапазон значений в абсолютном выражении. График денежного потока относительно возраста компании представлен на Рисунке 2:

Из данного графика можно сделать вывод о том, что компании, функционирующие на рынке на протяжении более длительного периода, имеют большую величину денежного потока. Однако есть и исключения. Относительно размеров компании можно заключить, что малые и средние компании имеют меньшую величину денежного потока, что вполне логично.

Для того, чтобы понять, каким образом изменяются показатели рентабельности, рассмотрим их средние значения за различные периоды (Рис. 3). Как можно заметить, с 2015 по 2018 года произошел рост показателей ROI и ROE, однако если показатель ROI рос стабильно каждый год, то показатель ROI претерпел снижение в 2017 году. Относительно переменной ROS можно сделать вывод о том, что после резкого скачка в 2016 году показатель также резко снизился к 2018 году.

Рис.3: Средние показатели рентабельности по годам

Одним из важных этапов является построение корреляционной матрицы для исключения проблемы мультиколлинеарности в модели. После построения данной матрицы можно будет сделать вывод о возможности включения тех или иных переменных в модель. Корреляционная матрица представлена в Таблице 5.

Коэффициент корреляции между переменными финансового левериджа и рентабельности собственного капитала составляет 0,87. Данное значение превышает допустимое значение в 0,7 и говорит о наличии мультиколлинеарности между переменными.

Таблица 5 Корреляционная матрица

	Inv	CF	ROS	ROI	ROE	LEV	Size	Age
Inv	1.00
CF	-0.09***	1.00
ROS	0.07***	0.46***	1.00
ROI	-0.04***	-0.01	-0.02	1.00
ROE	-0.02	0.18***	0.06***	0.00	1.00
LEV	0.02*	-0.02	-0.01	0.00	0.87***	1.00
Size	-0.10***	-0.07***	0.07***	0.03***	-0.03***	-0.01	1.00
Age	0.14***	-0.04***	0.01	-0.04***	-0.01	0.01	-0.04***	1.00

Именно поэтому было решено исключить переменную финансового левериджа из эконометрической модели, поскольку она является одной из составляющих переменной финансовых ограничений, которая будет построена с помощью метода главных компонент. Остальные независимые переменные могут быть включены в модель. Также, судя по данной матрице, можно сделать вывод, что наибольшее влияние на переменную инвестиций в основные фонды оказывает переменная возраста компании.

Распределения переменных также должны отвечать условиям однородности и нормальности. Именно поэтому следует проверить данные условия.

Для проверки условия однородности распределений был использован коэффициент вариации (Приложение 3). Полученные коэффициенты свидетельствуют о том, что однородными являются только распределения переменных возраста компании, инвестиций в основные средства и денежный поток, поскольку их коэффициент вариации составляет значение меньшее 33,3%. Коэффициент вариации других переменных превышает данное нормативное значение, поэтому их распределения не являются однородными. Это накладывает ограничение на данное исследование.

Нормальность распределения также является необходимым условием, поскольку она лежит в основе статистических методов. Аналогично зависимой переменной, следует осуществить проверку этого условия с помощью теста Харке-Бера (Приложение 4). Каждое из полученных значений p-value меньше 1% уровня значимости, что говорит об отклонении гипотезы о нормальности распределений переменных. Распределения независимых переменных не соответствуют условию нормальности.



4. Эмпирические результаты

Последним этапом исследования является описание эмпирических результатов, полученных в ходе работы.

Перед оценкой модели с помощью метода главных компонент была рассчитана универсальная мера финансовых ограничений компании. В компоненту вошли такие переменные как коэффициент выплаты дивидендов, финансовый леверидж компании и её размер. Предполагается, что в данном случае необходима только одна компонента, однако это предположение было проверено с помощью графика каменистой осыпи, а также с помощью анализа главных компонент. График каменистой осыпи с параллельным анализом выглядит следующим образом:

Рис.4. График каменистой осыпи

График собственных значений в данном случае превышает график параллельного анализа в значении 1, что говорит о достаточности использования одной компоненты. Также опираясь на критерий Кайзера-Харриса (Kaiser-Harris) собственные значения должны превышать единицу, так как компоненты, собственные значения которых меньше единицы, объясняют меньше дисперсии, чем содержит одна исходная переменная. Это также подтверждает выбор только одной компоненты.

Анализ главных компонент представлен в следующей таблице:

Таблица 6 Анализ главных компонент

Переменная	PC1	h2	u2
Size	0.72	0.52	0.48
Leverage	0.36	0.13	0.87
Div	-0.61	0.38	0.62

В столбце PC1 представлена нагрузка компоненты, то есть коэффициенты корреляции каждой из переменных с главной компонентой. Более наглядно данные коэффициенты представлены на рисунке 5. Столбец h2 говорит об общности компонент, то есть о доле дисперсий каждой из переменных, учтенных компонентой. Соответственно, 52 % дисперсии переменной размера объясняется первой компонентой, которая лучше остальных переменных характеризуется компонентой. В то же время только 13 % дисперсии переменной финансового рычага объясняется первой компонентой, которая хуже остальных переменных объяснена первой компонентой. Также 38 % дисперсии коэффициента выплаты дивидендов объясняется первой компонентой. В столбце u2 представлены величины уникальности - доля дисперсии, неучтенная компонентой, то есть 1-h2.

Следует более подробно остановиться на коэффициентах корреляции переменных с компонентой:

Можно заметить, что коэффициент выплаты дивидендов, действительно, связан с компонентой, отвечающей за финансовые ограничения, отрицательно. Это говорит о том, что при увеличении коэффициента выплаты дивидендов уровень финансовой ограниченности компании уменьшается. Переменная финансового левериджа коррелирует с компонентой положительно, то есть при увеличении финансового левериджа компании увеличиваются и её финансовые ограничения. Однако предположение относительно переменной размера компании не подтвердилось.

Рис.5. Коэффициенты корреляции переменных с компонентой

Переменная размера компании имеет положительный коэффициент корреляции с компонентой финансовых ограничений, что обозначает увеличение финансовой ограниченности с увеличением размера компании. Это может быть связано с тем, что крупные компании уже обременены большим количеством долговых обязательств.

Чтобы понять, сколько наблюдений было отнесено к группе более финансово ограниченных компаний, а сколько к группе менее финансово ограниченных, было рассчитано количество и тех, и других наблюдений в разные периоды:

Таблица 7 Количество более и менее финансово ограниченных компаний

Год	Количество менее финансово ограниченных компаний	Количество более финансово ограниченных компаний
2015	784	1080
2016	783	1081
2017	782	1082
2018	784	1080

Количество более финансово ограниченных компаний составляет большую часть выборки. Кроме этого, можно заметить, что компании могут переходить из одной группы в другую, о чем свидетельствуют различное количество компаний в той или иной группе в разные периоды.

Для проверки гипотезы H2 о правильности выбора прокси-переменных финансовой ограниченности, а именно переменных финансового рычага, коэффициента выплаты дивидендов и размера компании, были рассчитаны различные показатели кредитоспособности компаний, исходя из подвыборок, на которые были разделены данные. Из показателей кредитоспособности были рассчитаны такие величины как коэффициент текущей ликвидности, норма чистой прибыли, рентабельность активов. Результаты представлены в следующей таблице:

Таблица 8 Средние показатели кредитоспособности

Показатель кредитоспособности	Менее финансово ограниченные компании	Более финансово ограниченные компании
Коэффициент текущей ликвидности	9,82	3,00
Норма чистой прибыли	0,33	0,19
Рентабельность активов	0,15	0,14

Как можно заметить по данной таблице, менее финансово ограниченные компании имеют лучшие показатели финансового состояния по сравнению с более финансово ограниченными компаниями. Соответственно, выбранные переменные, действительно, могут отражать уровень финансовой ограниченности той или иной компании. Гипотеза H2 может быть подтверждена. Коэффициент выплаты дивидендов, финансовый рычаг компании и её размер являются факторами финансовой ограниченности компаний и при объединении их в одну компоненту могу быть использованы в качестве прокси-переменной финансовых ограничений.

Заключительным этапом исследования является построение модели, а также рассмотрение полученных оценок. В модель были включены каждая из ранее упомянутых переменных за исключением финансового рычага компании, поскольку данная переменная находилась в сильной корреляции с рентабельностью собственного капитала и создавала проблему мультиколлинеарности. Результаты оценки эконометрической модели с фиксированными эффектами при включении временных эффектов представлены в Таблице 9.

Данная модель имеет довольно низкий коэффициент детерминации, который составляет 0,056. Это говорит о том, что данная модель описывает только 5,6% дисперсии зависимой переменной, остальные 94,4% объяснить не удалось. Такой коэффициент детерминации гласит о плохом качестве модели. Несмотря на это, при проверке модели на значимость, можно сделать вывод о том, что она является значимой на 1% уровне, так как её значение p-value ниже любого из уровней значимости.

Можно заметить, что ни один из включенных временных эффектов не является значимым. Кроме этого, модель имеет недостаточно хорошую описательную способность. Именно поэтому было решено построить модель с фиксированными эффектами без включенных в неё временных эффектов. Результаты данной оценки представлены в Таблице 10.

Таблица 9 Результаты оценки модели с фиксированными эффектами с включением временных эффектов

Переменная	Коэффициент
Fin_rest	-0,0880
CF	-0,2161***
CF*Fin_rest	-0,0140
ROS	0,2140***
ROI	-0,000005***
ROE	0.000005
Size	-0.0244***
Year_2015	0.0114
Year_2016	0.0080
Year_2017	0.0042
Age	0.0051***
	0.0560
Количество наблюдений	7456
P-value	<2.22e-16

Таблица 10 Результаты оценки модели с фиксированными эффектами без включения временных эффектов

Переменная	Коэффициент
Fin_rest	0,0178
CF	-0.0261
CF*Fin_rest	0.0460**
ROS	0.0092
ROI	0.000005***
ROE	0.0021
Size	-0.1636***
Age	-0.0019***
	0.3334
Количество наблюдений	7456
P-value	<2.22e-16

Можно заметить, что ни один из включенных временных эффектов не является значимым. Кроме этого, модель имеет недостаточно хорошую описательную способность. Именно поэтому было решено построить модель с фиксированными эффектами без включенных в неё временных эффектов. Результаты данной оценки представлены в следующей таблице:

Таблица 11 Результаты оценки модели с фиксированными эффектами без включения временных эффектов

Переменная	Коэффициент
Fin_rest	0,0178
CF	-0.0261
CF*Fin_rest	0.0460**
ROS	0.0092
ROI	0.000005***
ROE	0.0021
Size	-0.1636***
Age	-0.0019***
	0.3334
Количество наблюдений	7456
P-value	<2.22e-16

Модель, построенная без включения временных эффектов, обладает лучшей описательной способностью, о чем гласит её коэффициент детерминации, равный 0,3334. Оцененное регрессионное уравнение описывает 33,3% дисперсии зависимой переменной, остальные 66,7% дисперсии объяснить не удалось. Такой низкий коэффициент детерминации свидетельствует о низком качестве модели, однако о лучшем качестве модели по сравнению с моделью с включенными временными эффектами. В целом низкое значение коэффициента детерминации может быть связано с рядом причин. В данном случае это может быть обосновано тем, что в модель не были включены внешние факторы, оказывающие влияние на инвестиционную активность компании. Однако данное исследование направлено только на выявление чувствительности инвестиционного поведения к денежному потоку, именно поэтому остальные переменные выступали в качестве контрольных переменных. Следует учесть данное ограничение в следующих исследованиях. Несмотря на это, данная модель позволяет подтвердить или опровергнуть поставленные гипотезы. Она также является значимой на 1% уровне, поскольку её коэффициент p-value составляет довольно малое значение.

Для того, чтобы проверить, насколько целесообразно включение в модель временных эффектов, и, соответственно, выбрать необходимую модель, следует провести F-тест, где нулевая гипотеза говорит о невключении временных эффектов в модель. Результаты проведенного теста представлены в следующей таблице:

Таблица 12 Тест на включение временных эффектов

F-test for individual effects
F	df1	df2	p-value
0.786	3	7441	0.5015
alternative hypothesis: significant effects

При проведении данного теста было получено значение P-value которое составляет 0,5015, что выше любого из уровней значимости. Это говорит о принятии нулевой гипотезы на 10%. Таким образом, следует рассматривать модель, где не были включены временные эффекты.

В результате оценки модели значимыми переменными являются рентабельность инвестиций, размер компании, её возраст, а также переменная совместного влияния дамми-переменной финансовой ограниченности и денежного потока. Из них значимой на 5% уровне является переменная совместного влияния денежного потока и финансовой ограниченности.

В результате оценки модели был получен положительный значимый коэффициент взаимодействия дамми-переменной финансовых ограничений и денежного потока компании. Положительный коэффициент свидетельствует о росте чувствительности инвестиций к денежному потоку с увеличением финансовой ограниченности компаний. При меньшей финансовой ограниченности данная переменная обращается в ноль и не оказывает влияния на инвестиционную активность компании. Таким образом, гипотеза H1 может быть подтверждена. Действительно, российские компании, имея большую финансовую ограниченность, в большей степени надеются на использование внутренних денежных средств для инвестирования в основные фонды. Следует отметить, что по отдельности ни дамми-переменная финансовых ограничений, ни переменная денежного потока не оказывают значимого влияния на инвестиционную активность компании.

В данном исследовании также были получены дополнительные результаты, относительно которых не было выдвинуто гипотез. Так, значимой переменной оказалась рентабельность инвестиций, которая является неоднозначной в научной литературе. Полученный положительный коэффициент позволяет сделать вывод о том, что большая рентабельность инвестиций в одном периоде ведет к большему инвестированию в следующем периоде. Коэффициент можно интерпретировать следующим образом: в среднем при прочих равных при увеличении рентабельности инвестиций на одну единицу, инвестиции в основные фонды в следующем периоде увеличатся на 0,000005. Такое небольшое значение коэффициента связано с соразмерностью переменных: переменная рентабельности инвестиций изменяется в намного более широком диапазоне, чем переменная инвестиций в основной капитал. Кроме этого, можно подтвердить предположение о разнесении во времени решения об инвестировании и непосредственно инвестициях, поскольку данная переменная была лаговой.

Значимая переменная возраста компании влияет на инвестиции в основной капитал отрицательно, также, как и размер компании, то есть при увеличении возраста или размера компании увеличивается и её инвестиционная активность. Скорее всего, это может быть объяснено тем, что с увеличением размера компании, она всё меньше нуждается в инвестициях в основные средства, поскольку уже является крупной компанией с развитыми основными фондами. Такие компании нуждаются в инвестирование в основные средства только для модернизации и замены изношенного оборудования, в то время как малые компании также нуждаются и в расширении, что требует больших инвестиционных затрат. Возраст компании подлежит аналогичному объяснению. Следует также отметить, что размер компании оказывает большее отрицательное влияние на инвестирование, чем возраст компании. Коэффициент переменной размера компании равен -0,1636, что можно интерпретировать следующим образом: при увеличении размера компании и её переходе в следующую группу, в среднем при прочих равных её инвестиции в основные фонды уменьшаться на 0,1636. В свою очередь коэффициент при переменной возраста компании составляет -0,0019 и имеет следующую интерпретацию: при увеличении возраста компании на 1 год, в среднем при прочих равных её инвестиции уменьшаются на 0,0019.

Временные эффекты оказались на значимыми, поэтому было решено построить модель без них. Однако следует также проверить целесообразность использования модели с фиксированными эффектами по сравнению с моделью со случайными эффектами. Для этого был применен тест Хаусмана, результаты которого представлены в следующей таблице:

Таблица 13 Тест Хаусмана

Hausman test
chisq	df	P-value
6084.4	8	<2.2e-16
alternative hypothesis: one model is inconsistent

Из результатов теста следует, что целесообразно использовать модель с фиксированными эффектами, так как значение p-value меньше любого уровня значимости. Это позволяет отклонить модель со случайными эффектами.

Как можно заметить, в результатах построения модели не была оценена константа. Это произошло из-за того, что индивидуальный эффект в программном пакете R-studio рассчитывается по отдельности для каждой из компаний. В то же время в программном пакете STATA под константой подразумевается среднее значение индивидуальных эффектов.

Построенную модель следует проверить на необходимые условия Гаусса-Маркова, поскольку несоблюдение этих условий накладывает ограничения на данное исследование. При выполнении каждого из этих условий оценки можно считать состоятельными, несмещенными и эффективными.

Первое условие Гаусса-Маркова - это равенство математического ожидания остатков, полученных в модели, нулю. Среднее значение остатков модели было рассчитано в R-studio и составило 1.572728e-17 (Приложение 5). Это число достаточно мало и приближается к нулю. Помимо этого, t-тест говорит о равенстве математического ожидания нулю, поскольку полученное значение p-value составляет 1. Таким образом, на 10% уровне значимости нулевая гипотеза не может быть отклонена. Первое условие выполняется.

Поскольку в выборку включены компании, которые различаются по размерам, второе условие об отсутствии гетероскедастичности особо нуждается в проверке. Методом, выбранным для проверки данного условия, является тест Бреуша-Пагана, нулевой гипотезой которого выступает гомоскедастичность остатков. В следующей таблице представлены результаты данного теста:

Таблица 14 Тест Бреуша-Пагана

Studentized Breusch-Pagan test
data: model_1_2
BP	df	p-value
79.43	8	6.368e-14

Полученное значение p-value составляет 6,368e-14. Это говорит о наличии в модели гетероскедастичности, поскольку данное значение меньше каждого из уровней значимости, и, соответственно, нулевая гипотеза отклоняется на 1% уровне. Для того, чтобы устранить последствия от наличия гетероскедастичности в модели, а также последствия автокорреляции, в модели были использованы стандартные ошибки по Аррелано, которые применяются для панельных данных. При использовании этих стандартных ошибок выполнение третьего условия об отсутствии автокорреляции происходит автоматически.

Следующим условием является отсутствие эндогенности в модели. Это условие выполняется при помощи построения модели с фиксированными эффектами. Фиксированные эффекты решают данную проблему за счет учета индивидуальных эффектов компаний.

Пятое условие Гаусса-Маркова об отсутствии мультиколлинеарности уже было проверено ранее в предварительном анализе данных. В ходе данного анализа из модели была исключена переменная финансового левериджа, поскольку она имела высокие значения коэффициентов корреляции с другими переменными. После исключении этой переменной сильная корреляция между переменными исчезла.

Условие Гаусса-Маркова о нормальности распределения остатков является последним для проверки. Данное условие не выполняется. Для его проверки был применен тест Харке-Бера (Приложение 6) аналогично тестированию распределений переменных. Показатель p-value по результатам данного теста меньше каждого из уровней значимости, так как приближается к нулю. Поэтому нулевую гипотезу о нормальности распределения остатков следует отклонить на % уровне значимости.

По результатам проверки каждого из необходимых условий Гаусса-Маркова можно сделать вывод о присутствии в модели гетероскедастичности, а также об отсутствии нормальности распределения остатков. финансовый инвестиционный выплата дивиденд

Исходя из этих выводов и выводов, полученных в ходе исследования, можно выделить несколько ограничений.

Первым из ограничений, возникших в ходе предварительного анализа данных в исследовании, является неоднородность распределений некоторых из переменных, а также отличие каждого их распределений переменных от нормального. От выполнения этих условий зависит точность оценки коэффициентов в модели. В соответствии с этим, можно судить о некой неточности полученных коэффициентов, так как данные условия не были выполнены. Возможным решением данной проблемы может выступать применение в будущих исследований выборки компаний, имеющих одинаковый размер.

Кроме этого, имело место невыполнение условия о гомоскедастичности. Выполнения данного условия можно добиться также путём использования выборки компаний с одинаковым размером, но с учетом меньшего разброса капитальных вложений. Помимо этого, возможно разделение данных на подвыборки относительно зависимой переменной и оценивание каждой из подвыборок отдельно.

Также в ходе исследования ограничение возникло из-за наличия в модели исключительно внутренних факторов. Это было выражено в низком коэффициенте детерминации в модели. Несмотря на то, то рассмотрение как внешних, так и внутренних факторов не было заложено исследовательским вопросом, в будущих работах следует обратить на это внимание и включить внешние факторы. Такими факторами могут служить, например, отраслевые или макроэкономические факторы, которые могут оказывать влияние на инвестиционную активность компаний.

Если рассматривать возможные направления для дальнейшего исследования, то можно выделить несколько направлений, одним из которых является рассмотрение данных рынков других стран с аналогичной методологией и корректировкой факторов инвестиционной активности. Также следует принять во внимание фактические финансовые ограничения, возникающие в мире, которые были наложены на компании из вне, например, санкции США и ЕС относительно российских юридических лиц. В таком случае, основываясь на фактических данных возможно будет отследить поведение компаний до и после введения санкций, которые по своей сути являются финансовым ограничением для компаний.



Заключение

Данная работа посвящена исследованию чувствительности инвестиционного поведения российских компаний к денежному потоку в условиях финансовой ограниченности. В ходе работы был проведен анализ научной литературы, к которой относятся как теоретические, так и эмпирические работы, изучающие данную тему. В рамках теоретического обзора были рассмотрены понятия инвестиционной активности и финансовой ограниченности компании, а также прокси-переменные, выражающие степень финансовой ограниченности компаний и факторы инвестиционной активности. Кроме этого, были проанализированы два противоположных результата, полученных различными авторами при исследовании чувствительности инвестиций к денежному потоку в условиях финансовой ограниченности. Исходя из проведенного анализа, в исследовании были выдвинуты следующие гипотезы:

H1: Инвестиции в основной капитал более финансово ограниченных компаний являются более чувствительными к денежному потоку.

H2: Размер компании, коэффициент выплаты дивидендов и финансовый рычаг являются факторами финансовых ограничений компании.

Тестирование данных гипотез проводилось на выборке, основанной на данных финансовых отчетностей российских компаний, которые включают в себя 7456 наблюдений. В качестве эконометрической модели в исследовании была построена модель с фиксированными эффектами, которая, в свою очередь, была проверена на целесообразность включения временных эффектов, а также релевантность её применения. В качестве детерминантов инвестиционной активности кроме денежного потока, выраженного в качестве чистой прибыли, скорректированной на амортизацию, выступают также различные показатели результатов деятельности компании и некоторые контрольные переменные.

В результате обе выдвинутые гипотезы были подтверждены. Опираясь на гипотезу H1 можно сделать вывод о том, что, действительно, существует значимая и положительная зависимость чувствительности инвестиционной активности компании к денежному потоку от уровня финансовой ограниченности, присущей в той или иной мере различным компаниям. Кроме этого, в качестве прокси-переменной финансовой ограниченности компаний выступает универсальная мера, полученная из трех переменных с помощью метода главных компонент. Данными переменными являются коэффициент выплаты дивидендов, размер компании и её финансовый рычаг. Поскольку гипотеза H2 была подтверждена, эти переменные, действительно, являются факторами финансовой ограниченности компаний и верно отражают принадлежность компании к той или иной группе. Значимые результаты также были получены относительно переменных рентабельности инвестиций, размера компаний и возраста компаний. Так, положительный коэффициент рентабельности инвестиций позволяет сделать вывод о том, что большая рентабельность инвестиций в одном периоде ведет к большему инвестированию в следующем периоде. Кроме этого, можно подтвердить предположение о разнесении во времени решения об инвестировании и непосредственно инвестициях, поскольку данная переменная была лаговой. Значимая переменная возраста компании влияет на инвестиции в основной капитал отрицательно, также, как и размер компании, то есть при увеличении возраста или размера компании увеличивается и её инвестиционная активность.

В ходе исследования были выделены некоторые ограничения. Так, распределения некоторых из переменных не соответствуют условиям нормальности и однородности. Помимо этого, в рамках исследования была проведена проверка условий Гаусса-Маркова, два из которых не были выполнены: в модели присутствует гетероскедастичность, а также распределение остатков модели отлично от нормального. Также учет только внутренних факторов в модели создает ограничение, поскольку внешние факторы также могут оказывать влияние на инвестиционную активность компаний. Несмотря на то, что подробное рассмотрение факторов инвестиционной активности не было заложено в исследовательском вопросе, в будущих исследованиях следует включить внешние факторы в модель для большей описательной способности.

Устранение данных ограничений может выступать в качестве будущего направления исследования. Еще одним направлением может быть применение аналогичной методологии с корректировкой используемых факторов инвестиционной активности на данных других стран.

Несмотря на наличие вышеупомянутых ограничений, цель работы, которая заключалась в выявлении чувствительности инвестиционной активности к денежному потоку в условиях большей и меньшей финансовой ограниченности, была достигнута. Результаты данной работы подтверждают выводы авторов Fazzari, S.M., Hubbard, R.G., Petersen, B.S. (1987), то есть с увеличением финансовой ограниченности компании увеличивается и её чувствительность инвестиций к денежному потоку.

Рассмотрение чувствительности инвестиционной активности к денежному потоку в условиях финансовой ограниченности является довольно актуальной темой, которая рассматривается с различных сторон и с использованием данных различных стран. Однако, следует учесть в будущих работах выявленные в ходе данного исследования ограничения, а также провести исследование, основываясь на фактических данных финансовых ограничений.



Список использованных источников

1. Быкова, А. А., Молодчик, М. А. (2011), «Влияние интеллектуального капитала на результаты деятельности компании», Вестник Санкт-Петербургского университета. Менеджмент, № 1;

2. Гришина, И.В. (2001), «Комплексная оценка инвестиционной привлекательности и инвестиционной активности российских регионов: методика определения и анализ взаимосвязей», Инвестиции в России, №4, стр. 5-16;

3. Паштова, Л.Г., 2001. Формирование многоуровневой инвестиционной политики как фактор обеспечения экономической безопасности. М.: РГБ, p.24.

4. Теплова, Т. В., Крылова, М. С. (2007), «Эмпирическое исследование факторов, определяющих инвестиционную активность российских компаний», Корпоративные финансы, № 1 (1);

5. Теплова, Т.В, Панкова, Е.У. (2007), «Эмпирическое исследование влияния финансовых ограничений, определяемых размером компании, на инвестиционное поведение на российском рынке», Управление корпоративными финансами, № 4, стр. 212-226;

6. Черкасова, В.А., Смирнова, И.Н. (2012), «Зависимость инвестиционной активности компаний от стадий корпоративного жизненного цикла», Корпоративные финансы, № 02(22), стр. 45-57;

7. Черкасова, В.А., Теплова, О.Ю. (2011), «Исследование факторов, влияющих на инвестиционную активность компаний», Корпоративные финансы, № 03(19), стр. 5-18;

8. Черкасова, В.А., Теплова, О.Ю. (2013), «Исследование влияния факторов финансовых ограничений на инвестиционные решения компаний на развивающихся рынках капитала», Корпоративные финансы, № 7(2);

9. Aivazian, V.A., Ge, Y., Qiu, J. (2005), «Debt Maturity Structure and Firm Investment», Financial Management, Vol. 34, No. 4, pp. 107-119;

10. Almeida, H. and Campello, M. (2007), «Financial constraints, asset tangibility, and corporate investment», The Review of Financial Studies, Vol. 20, No. 5, pp.1429-1460;

11. Almeida, H., Campello, M., and Weisbach, M.S. (2004), «The cash flow sensitivity of cash», Journal of finance, Vol. 59, No. 4, pp. 1777-1804;

12. Almeida, H., Campello, M., and Weisbach, M. S. (2005), «Firm financing-investment interactions: Evidence from debt and equity issues», New York University and University of Illinois Working paper;

13. Audretsch, D.B., Elston, J.A. (2002), «Does firm size matter? Evidence on the impact of liquidity constraints on firm investment behavior in Germany», International Journal of Industrial Organization, No. 20, pp. 1-17;

14. Baum, C.F., Caglayan, M., Talavera, O. (2010), «On the sensitivity of firms' investment to cash flow and uncertainty», Oxford Economic Papers, New Series, Vol. 62, No. 2, pp. 286-306;

15. Beatty, A., Liao, S. and Weber, J. (2010), «Financial reporting quality, private information, monitoring, and the lease-versus-buy decision», The Accounting Review, Vol. 85, No. 4, pp.1215-1238;

16. Bhaduri, S.N. (2005), «Investment, financial constraints and financial liberalization: some stulized facts from a developing economy, India», Journal of Asian Economics, No. 16, pp. 704-718;

17. Biddle, G.C. and Hilary, G. (2006), «Accounting quality and firm-level capital investment», The accounting review, Vol. 81, No. 5, pp.963-982;

18. Blumberg, B.F., and Letterie, W.A. (2008), «Business starters and credit rationing», Small Business Economics, Vol. 30, No. 2, pp.187-200;

19. Bond, S., Meghir, C. (1994), «Dynamic investment models and the firm's financial policy», The Review of Economic Studies, Vol. 61, No. 2, pp.197-222;

20. Carpenter, R.E., Fazzari, S.M., Petersen, B.C. (1994), « Inventory investment, internal-finance fluctuations, and the business-cycle», Brookings Papers on Economic Activity, No. 2, pp. 75-138;

21. Carpenter, R.E., Fazzari, S.M., Petersen, B.C. (1998), «Financing constraints and in- ventory investment: a comparative study with high-frequency panel data», Review of Economics and Statistics, Vol. 80, No. 4, pp. 513-519;

22. Carreira, C. and Silva, F. (2012), «Where are the fragilities? The relationship between firms' financial constraints, size, and age», Managing Structural Changes, p.184;

23. Chen, H., and Chen, S. (2012), «Investment-cash flow sensitivity cannot be a good measure of financial constrains: evidence from the time series», Journal of Financial Economics, No. 103, pp. 393-410;

24. Cleary, S. (1999), «The Relationship between Firm Investment and Financial Status», The Journal of Finance, Vol. 54, No. 2, pp. 673-692;

25. Cleary, S. (2006), «International corporate investment and the relationships between financial constraint measures», Journal of banking & finance, Vol. 30, No. 5, pp.1559-1580;

26. Dang, V.A. (2011), «Leverage, Debt Maturity and Firm Investment: An Empirical Analysis», Journal of Business Finance & Accounting, Vol. 1, No. 38, pp. 225-258;

27. Dasgupta, S., Noe, T. and Wang, Z. (2011), «Where did all the dollars go? The effect of cash flow shocks on capital and asset structure», Journal of Financial and Quantitative Analysis, Vol. 46, No. 5, pp. 1259-1294;

28. Denis, D. and Osobov, I. (2008), «Why do firms pay dividend? International evidence on the determinants of dividend policy», Journal of Financial Economics, Vol. 89, No. 1, pp. 62-82;

29. Fazzari, S.M., Hubbard, R.G., Petersen, B.S. (1987), «Financial Constraints and Corporate Investment», Booking Papers on Economic Activity, No. 1, pp. 141-206;

30. Fazzari, S.M., Hubbard, R.G. and Petersen, B.C. (2000), «Investment-cash flow sensitivities are useful: A comment on Kaplan and Zingales», The Quarterly Journal of Economics, Vol. 115, No. 2, pp.695-705;

31. Gennaioli, N., Ma, Y. and Shleifer, A. (2016), «Expectations and investment», NBER Macroeconomics Annual, Vol. 30, No. 1, pp.379-431;

32. Gilchrist, S. and Himmelberg, C.P. (1995), «Evidence on the role of cash flow for investment», Journal of monetary Economics, Vol. 36, No.3, pp.541-572;

33. Gomes, J. (2001), «Financing investment», American Economic Review, Vol. 91, No. 5, pp. 1263-1285;

34. Gordon, L.A., Iyengar, R.J. (1996), «Return on Investment and Corporate Capital Expenditures: Empirical Evidence», Journal of Accounting and Public Policy, No. 15, pp. 305-325;

35. Hobdari, B., Jones, D.C. and Mygind, N. (2009), «Capital investment and determinants of financial constraints in Estonia», Economic Systems, Vol. 33, No.4, pp.344-359;

36. Hoshi, T., Kashyap, A., Scharfstein, D. (1991), «Corporate structure, liquidity, and investment: evidence from Japanese industrial groups», The Quarterly Journal of Economics, Vol. 106, No. 1, pp.33-60;

37. Jorgenson, D. W. (1963), «Capital theory and investment behavior», The American Economic Review, Vol. 53, No.2, pp. 247-259;

38. Jorgenson, D. W., and Siebert, C. D. (1968), «A comparison of alternative theories of corporate investment behavior», The American Economic Review, Vol. 58, No.4, pp. 681-712;

39. Kadapakkam, P., Kumar, P. and Riddick, L. (1998), «The impact of cash flows and firm size on investment: the international evidence», Journal of Banking and Finance, Vol. 22, No. 3, pp. 293-320;

40. Kaplan, S. N., and Zingales, L. (1997), «Do investment-cash flow sensitivities provide useful measures of financing constraints?», The quarterly journal of economics, Vol. 112, No.1, pp. 169-215;

41. Kashyap, A.K., Lamont, O.A. and Stein, J.C. (1994), «Credit conditions and the cyclical behavior of inventories», The Quarterly Journal of Economics, Vol. 109, No. 3, pp.565-592;

42. Kim, T.-N. (2014), «The impact of cash holdings and external financing on investment-cash flow sensitivity», Review of Accounting and Finance, Vol. 13, No. 3, pp. 251-273;

43. Liao, L.-K., Lin, Y.-M., Lin, T.-W. (2016), «Non-financial performance in product market and capital expenditure», Journal of Business Research, No. 69, pp. 2151-2159;

44. Lyandres, E. (2007), «Costly external financing, investment timing, and investment-cash flow sensitivity», Journal of Corporate Finance, Vol. 13, No. 5, pp. 959-980;

45. Mizen, P., Vermeulen, P. (2005), «Corporate investment and cash flow sensitivity: what drives the relationship?», European Central Bank Working Paper 485;

46. Moyen, N. (2004), «Investment-cash flow sensitivities: constrained versus unconstrained firms», Journal of Finance, Vol. 59, No. 5, pp. 2061-2092;

47. Myers, S. and Majluf, N. (1984), «Corporate financing and investment decisions when firms have information that investors do not have», Journal of Financial Economics, Vol. 13, No. 2, pp. 187-221;

48. Sheu, H.-J., Lee, S.-Y. (2012), «Excess cash holdings and investment: the moderating roles of financial constraints and managerial entrenchment», Accounting and Finance, No. 52, pp. 287-310;

49. Tybout, J. R. (1983), «Credit rationing and investment behavior in a developing country», The Review of Economics and Statistics, pp. 598-607;

50. Wei, F. and Xing, L. (2004), «Influence of financial constraints and uncertainty on company investment behavior», Economic Science, 2;

51. Whited, T.M. (1992), «Debt, liquidity constraints, and corporate investment: Evidence from panel data», The Journal of Finance, Vol. 47, No. 4, pp.1425-1460;

52. Whited, T. and Wu, G. (2006), «Financial constraints risk», Review of Financial Studies, Vol. 19, No. 2, pp. 531-559.



Приложение

Гистограммы распределения переменных



Ящичковые диаграммы распределений переменных

Рис.1. Ящичковая диаграмма переменной Age

Рис.2. Ящичковая диаграмма переменной CF

Рис.3. Ящичковая диаграмма переменной Inv

Рис.4. Ящичковая диаграмма переменной LEV



Рис.5. Ящичковая диаграмма переменной ROE

Рис.6. Ящичковая диаграмма переменной ROI

Рис.7. Ящичковая диаграмма переменной ROS

Рис.8. Ящичковая диаграмма переменной Size



Коэффициенты вариации

Переменная	Коэффициент
Inv	0.166
CF	0.000
ROS	1.209
ROI	28.126
ROE	5.160
LEV	27.867
Size	0.536
Age	0.300
Year_2015	1.732
Year_2016	1.732
Year_2017	1.732
Year_2018	1.732

Тест Харке-Бера

Переменная	P-value
CF	< 2.2e-16
ROS	< 2.2e-16
ROI	< 2.2e-16
ROE	< 2.2e-16
LEV	< 2.2e-16
Si...

Подобные документы

• Социальная ответственность предприятий в восприятии сотрудников (на примере КФ Центробанка и НПО им. Академика М.Ф. Решетнева)

  Направление социальных программ компаний. Формы социальной активности. Ситуация в области развития социальной политики российских компаний. Отношение сотрудников к своему будущему. Мнение сотрудников относительно корпоративной социальной ответственности.
  
  дипломная работа [298,6 K], добавлен 04.05.2011
  

• Мотивы и виды реорганизации в форме слияния

  Сущность и содержание процессов слияний и поглощений компаний и соответствие между основными понятиями, сопровождающими данные процессы. Определение главных мотивов и причин слияний и поглощений компаний в условиях глобализации современной экономики.
  
  контрольная работа [51,7 K], добавлен 21.12.2012
  

• Инновационная деятельность компаний Республики Казахстан

  Инновационная система компаний в Казахстане. Содержание инновационной деятельности компаний в Казахстане. Инновации как направление государственной стратегии развития республики Казахстан. Компании-проекты государственного масштаба в Казахстане.
  
  контрольная работа [28,1 K], добавлен 29.09.2007
  

• Инструментарий управления качеством как фактор инвестиционной стратегии бизнеса в условиях глобальной конкуренции

  Взаимосвязь понятий "инвестиции", "управление качеством" и "инструменты управления качеством". Влияние системы менеджмента качества на выбор инвестиционной стратегии. Анализ конкурентных преимуществ крупнейших международных нефтегазовых компаний.
  
  дипломная работа [115,4 K], добавлен 13.01.2015
  

• Управление социальной ответственностью бизнеса на примере нефтегазовых компаний

  Анализ опыта развития корпоративной социальной ответственности зарубежных и российских нефтегазовых компаний. Роль социальной ответственности бизнеса в деятельности нефтегазовых компаний, а также оценка и анализ проблем её развития в Российской Федерации.
  
  курсовая работа [45,6 K], добавлен 26.09.2013
  

• Структура управления зарубежной нефтянной компании

  Проблемы реорганизации системы управления нефтяным бизнесом в условиях мирового экономического кризиса. Принципы и практика вертикальной интеграции нефтяных компаний. Организация внутренней структуры управления. Стратегия крупных нефтяных компаний США.
  
  курсовая работа [48,1 K], добавлен 01.10.2008
  

• Организация оффшорных компаний

  Рассмотрение понятия оффшорных компаний. Основные принципы организации деятельности инвестиционных, страховых, трастовых, имущественных, холдинговых и торговых компаний и фондов. Особенности использования территорий с льготным налогообложением в России.
  
  реферат [21,9 K], добавлен 07.10.2010
  

• Слияние и поглощение компаний. Эффект синергизма

  Слияние и поглощение как одни из самых распространенных приемов развития компаний. Мировой опыт корпоративного менеджмента в области реструктуризации компаний. Типы слияний, основные цели, которые преследуют стороны, эффективность и последствия сделки.
  
  курсовая работа [269,8 K], добавлен 12.03.2010
  

• Стратегии интернационализации международных консалтинговых компаний

  Стратегии интернационализации. Понятие выхода на международную арену. Деятельность компаний, предоставляющих консультационные услуги. Тенденции развития международного консалтинга. Стратегии интернационализации консалтинговых компаний в РФ и Бразилии.
  
  дипломная работа [657,9 K], добавлен 03.07.2017
  

• Комплексный риск-менеджмент российских производственных компаний

  Риск как элемент экономической, политической и социальной жизни общества. Риски организации: понятие и классификация. Цели, задачи и оценка эффективности риск-менеджмента. Потребность в организации риск-менеджмента в российских производственных компаний.
  
  контрольная работа [37,1 K], добавлен 08.12.2010
  

• Оценка PR-деятельности туристических компаний

  Определение, принципы, функции паблик рилейшнз. Понятие, виды, критерии и источники повышения эффективности деятельности организации. Перспективные направления развития организаций. PR-деятельность туристических компаний на примере компании "Роза ветров".
  
  курсовая работа [42,7 K], добавлен 09.01.2012
  

• Управление рисками инновационных проектов машиностроительных компаний

  Стратегические инновации как основа развития машиностроения. Оценка и расчет стоимости проекта с применением метода дерева решений. Особенности применения метода реальных опционов для управления рисками инновационных проектов машиностроительных компаний.
  
  дипломная работа [393,3 K], добавлен 30.08.2016
  

• Особенности управления персоналом в иностранных компаниях

  Организационное построение и структурные элементы международных компаний. Место внутренней среды компании в успешности ее функционирования на глобальном рынке. Стратегическое планирование и стратегический контроль в деятельности международных компаний.
  
  дипломная работа [1,9 M], добавлен 01.10.2017
  

• Сравнение веб-сайтов конкурирующих компаний

  Анализ структуры веб-сайта компании Мегафон, раздел "интернет", "мобильные устройства". Внешний облик сайта Билайн. Раздел "помощь и обслуживание" на сайте компании МТС. Достоинства и недостатки веб-сайтов компаний-конкурентов МТС, Билайн и Мегафон.
  
  эссе [15,1 K], добавлен 05.01.2012
  

• Анализ конкурентных преимуществ ЗАО "Алтекс Группа-Компаний" г. Нижний Новгород

  Организационно-экономическая характеристика ЗАО "Алтекс – Группа Компаний". Анализ работы подразделения компании - Центра Оперативной Печати. Анализ внешней среды и рыночной ситуации. Основные конкуренты компании в г. Нижнем Новгороде. Анализ конкуренции.
  
  отчет по практике [213,9 K], добавлен 01.04.2009
  

• Применение бизнес-инкубаторов

  Развитие начинающих компаний. Поддержка предприятий в стартовый период. Демонстрация эффективности бизнес-инкубаторов. Создание новых производств с целью создания рабочих мест. Организационная структура бизнес-инкубатора. Критерии отбора компаний.
  
  курсовая работа [39,6 K], добавлен 19.01.2011
  

• Структурирование стратегических целей группы компаний "Норильский никель"

  Анализ макросреды на основе PEST-анализа группы компаний "Норильский никель". Анализ продукции и сбытовой политики, характеристика работы с персоналом "Норильского никеля". Формирование стратегических целей развития предприятия на основе SMART-технологии.
  
  курсовая работа [307,7 K], добавлен 16.05.2017
  

• Лизинг в инвестиционной деятельности

  Теоретические основы лизинговой деятельности, определение ее места в комплексе мер по повышению инвестиционной активности предприятия. Критерии и анализ эффективности лизинговых сделок, разработка рекомендаций по ее повышению на исследуемом предприятии.
  
  дипломная работа [101,8 K], добавлен 17.03.2013
  

• Формирование корпоративной культуры на основе группы компаний "Автомагистраль"

  Классификация и структура корпоративной культуры. Организационно-экономическая характеристика группы компаний "Автомагистраль". Анализ системы управления персоналом, методы их мотивации. Соотношения, характеризующие структуру рабочей силы фирмы.
  
  дипломная работа [577,9 K], добавлен 21.12.2015
  

• Влияние корпоративной социальной ответственности на финансовые показатели компаний на примере "Эксонмобил" и "Роснефть"

  Основные международные стандарты в области корпоративной социальной ответственности (КСО). Взаимосвязь между политикой российских и американских нефтегазовых компаний в области КСО и их финансовыми показателями на примере ОАО "Роснефть" и Exxon Mobil.
  
  аттестационная работа [3,5 M], добавлен 10.06.2015
  

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