Site icon Евразийский Союз Ученых — публикация научных статей в ежемесячном научном журнале

ЭКСПЕРТНЫЕ ОЦЕНКИ В ПРИНЯТИИ ФИНАНСОВЫХ РЕШЕНИЙ НА ПРИМЕРЕ β – ФАКТОРА КАК МЕРЫ СИСТЕМАТИЧЕСКОГО РИСКА В ПОКАЗАТЕЛЯХ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ

Важной особенностью процесса принятия решений в инвестиционно-финансовом анализе является применение финансовых моделей, которые  не только отражают структуру бизнес-процессов и выступают в роли идеологического каркаса, но и является аппаратом, позволяющим преобразовать долгосрочные последствия всего комплекса управленческих решений в единый и наиболее важный критерий эффективности менеджмента — рост ценности компании. Выбор подходящей модели оценки бизнеса для управленческих целей— это чаще всего решение финансового директора, принятое исходя из предложений консалтинговых и инвестиционных компаний или личного опыта и рекомендации коллег. Одной из широко используемых современных моделей оценки эффективности бизнеса и, соответственно, принятых управленческих решений является модель экономической прибыли (economic profit, EP), утверждающая, что обязательным условием многолетней жизнеспособности бизнеса является отдача, превышающая стоимость всех затраченных ресурсов с учетом их наилучшего возможного альтернативного применения [1,с 559]. На основе модели EР можно оценить эффективность управленческой деятельности в рамках концепции управления стоимостью компании. Следует отметить, что сам показатель экономической прибыли и его компоненты могут определяться различными способами, в зависимости от предпочтений экспертов-аналитиков и задач, поставленных перед ними. Исходная информация для расчетов к данной статье была получена по отчетам, доступным на сайтах компаний и информационно-аналитических порталов (например, www.damodaran.com, https://www.finam.ru, https://www.rbc.ru) и отражает период спокойного развития рынка (май 2012 — май 2013 гг), позволяющего нивелировать воздействие внешних факторов.

В общем виде расчет показателя EP описывается формулой (1)

EP = Spread *IC= (ROIC-WACC)*IC                 (1)

где:

IC – инвестированный капитал (Invested Capital);

ROIC — доходность инвестированного капитала (Return on Invested Capital);

WACC – средневзвешенная стоимость инвестированного капитала (Weighted Average Cost of Capital)

Spread – спред эффективности.

Экономический смысл спреда эффективности состоит в том, что экономическая прибыль (EР) появляется в компании только в том случае, если за данный промежуток времени удалось получить доходность инвестированного капитала (ROIC) выше, чем норма доходности инвестора (WACC). Инвесторы компании не будут удовлетворены, если доходность их капитала, заработанная в компании, не достигла установленной ими барьерной ставки доходности.

Уровень достоверности расчетов опирается на моделирование WACC, определяемого как показатель средней величины из процентных ставок по всем источникам финансирования, взвешенных по удельным весам каждого источника в стоимости инвестированного капитала. Наиболее прозрачными можно назвать методы определения стоимости заемного капитала, т.к. они могут быть рассчитаны на объявленных (фиксированных) условиях. Менее очевидными и прозрачными являются оценки требуемой доходности к собственным источникам финансирования, именно эти оценки создают наиболее острые разногласия при определении эффективности деятельности. Оценка собственного капитала включает характеристики систематического риска, не устраняемого диверсификацией. Этот риск необходимо компенсировать инвесторам, поэтому он включается в базовую модель определения требуемой доходности на вложенный капитал. Наиболее часто используемая модель оценки капитальных активов (Capital Asset Pricing Model,  САРМ) является линейной функцией экспертно-зависимого параметра β (бета-коэффициента). В свою очередь, результаты оценки одного и того же решения для одних и тех же данных при применении различных методов расчета β могут показать существенный диапазон значений, искажая базу для принятия решений, и отличаться от корректно полученного результата, что может привести к получению ошибок. Основная причина разброса в оценках — это расхождения экспертных допущений, сформулированных в основе финансовой модели. Такого рода искажения накладываются друг на друга на уровне анализа влияния массы решений на оценку компании в целом.

Рассмотрим некоторые методы оценок бета-коэффициента и показатели эффективности бизнеса на примере компаний, принадлежащих различным секторам экономики, являющихся привлекательными для инвесторов. Ниже представлены названия компаний и их идентификаторы (тикеры), используемые в инвестиционной аналитике: ОАО Новатэк (NVTK), ОАО Росбанк (ROSB), ОАО Ростелеком (RTKM), ОАО Уралкалий (URKA), ОАО «Россети» (MRKH).

Алгоритмы оценки, как правило, начинаются с определения фондового (регрессионного, «сырого») бета-коэффициента, используемого широко в портфельном анализе рисков инвестиций на фондовом рынке. Риск инвестиционного актива может быть оценен через реакцию этого актива на изменения, вызванные недиверсифицируемыми факторами, т.е. факторами, присущими данной экономической системе. В общем виде рыночный бета рассчитывается на основе следующих показателей: котировок акций и значений индекса ММВБ за выбранный срок, стандартного отклонения доходности от показателя средней по рыночному портфелю, степенью корреляции между этими показателями. Результаты расчетов на основе котировок, взятых в интервале за май 2012 — май 2013 гг помещены в таблице 1.

Аналитики редко прибегают к использованию «сырого бета» в модели САРМ, так как он в первую очередь характеризует прошлый систематический риск акции. Эмпирические исследования показывают [2, с.414], что со временем значения бета компаний приближаются к единице, в связи с тем, что компания становится более диверсифицированной, крупной, многие риски операционной деятельности и корпоративного управления снижаются, из-за исчерпания инвестиционных перспектив роста бизнесу требуется меньше заемного капитала, это в свою очередь привод к снижению финансового риска. Этот принцип является базовым для перехода от бета-коэффициента, получаемого с помощью исторических данных («сырой бета») к бета будущему, «прогнозному», стремящемуся к единице. С целью перехода к будущим оценкам, аналитики используют поправку Маршалла Блюма, при которой «сырой бета» учитывается с весом 2/3, а «единичный бета» рынка — с весом 1/3. Полученный скорректированный бета имеет принятое обозначение Adj β.

Широко распространены коррекции бета-коэффициента на основе принципа отраслевой базы данных или по компаниям-аналогам с учетом сложившихся показателей финансового и операционного рычага (восходящий бета, Bottom Up β). В таблице 1 представлена «Книга бета» — набор показателей, в которой фиксируются показатели, рассчитанные по разным методикам.

Таблица 1.

Вариативные расчетные показатели фактора β (Книга β)

Бета-коэффициенты

Компании (тикеры)

NVTK ROSB RTKM URKA MRKH
Сырой бета (Raw β) 0,75 0,55 0,77 0,38 2,4
Бета с поправкой Блюма (Adj β*) 0,91 0,76 0,93 0,63 2,16
Восходящий бета (BottomUp β) 1,12 0,31 0,92 1,14 1,09

На основе проведенных расчетов бета-коэффициента можно получить ключевые показатели для оценки экономической прибыли (EР): Re (требуемую доходность по собственному капиталу на основании САРМ, данных по котировкам фондового рынка и безрисковой доходности на уровне ОФЗ), WACC — средневзвешенную стоимость инвестированного капитала и спрэд эффективности – разницу между рентабельностью бизнеса и стоимостью его финансирования.

Таблица 2.

Показатели EVA, полученные на основе вариативной оценки β фактора

Тикер Модификации β Re,% WACC,% Spread ЕР, млн. руб.
NVTK Raw β 15,13 13,63 2,62 11 545
Adj β 16,72 15,04 1,21 5 349
BottomUp β 18,84 16,90 -0,65 -2 855
ROSB Raw β 13,12 5,39 -1,83 -9 211
Adj β 15,20 6,12 -2,56 -12 877
BottomUp β 10,68 4,54 -0,98 -4 927
RTKM Raw β 15,33 10,24 -0,84 -4 209
Adj β 16,88 11,17 -1,77 -8 888
BottomUp β 16,82 11,13 -1,73 -8 705
URKA Raw β 11,39 12,44 1,41 194
Adj β 13,88 14,56 -0,71 -97
BottomUp β 19,04 18,93 -5,08 -699
MRHK Raw β 31,62 11,16 -6,04 -4 566 093
Adj β 29,26 10,31 -5,19 -3 928 679
BottomUp β 18,49 7,22 -2,10 -1 587 191

Анализируя данные таблицы можно сделать несколько выводов. Во-первых большинство компаний демонстрируют неэффективность на рассматриваемом промежутке времени. За рамками нашей работы остаются вопросы анализа причин этой неэффективности, но можно упомянуть проблемы восстановления экономики после финансово-экономического кризиса и общую макроэкономическую нестабильность, характерную для развивающихся рынков, к которым относится Россия. Во-вторых, мы наблюдаем значительный разброс показателей спрэда эффективности и созданной стоимости. Это может повлечь манипулирование данными, недобросовестную интерпретацию сведений о текущей ситуации с управленческой компетентностью в компании.

Приведенные данные подтверждают наши предположения о необходимости осторожного использования экспертных оценок в качестве основного метода принятия решений. Необходимо четко представлять исходные компоненты, закладываемые в финансовые модели, использовать возможность консенсус-прогноза, построенного на данных различных экспертных команд, сравнивать полученные данные с традиционно наблюдаемыми показателями, имеющими исторические массивы информации, позволяющие использовать количественные оценки тренда стоимостных характеристик наблюдаемых на фондовом рынке или/и данные бухгалтерской отчетности (показатели валюты баланса, чистых активов компании и др.).

Список литературы:

  1. Когденко В.Г. Корпоративная финансовая политика. М.: ЮНИТИ-ДАНА, 2014. – 615 с.
  2. Теплова Т.В. Инвестиции. М.: Юрайт, 2012. — 724 стр.[schema type=»book» name=»ЭКСПЕРТНЫЕ ОЦЕНКИ В ПРИНЯТИИ ФИНАНСОВЫХ РЕШЕНИЙ НА ПРИМЕРЕ β – ФАКТОРА КАК МЕРЫ СИСТЕМАТИЧЕСКОГО РИСКА В ПОКАЗАТЕЛЯХ ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ» author=»Соколова Галина Владимировна» publisher=»БАСАРАНОВИЧ ЕКАТЕРИНА» pubdate=»2017-05-10″ edition=»ЕВРАЗИЙСКИЙ СОЮЗ УЧЕНЫХ_ 28.02.2015_02(11)» ebook=»yes» ]

404: Not Found404: Not Found