Содержание к диссертации
Введение
Глава 1. Теоретические основы и основные подходы к контролю эффективности управления компанией 14
1.1 Формирование системы показателей эффективности в контексте стратегического управления компанией 14
1.2 Финансовые показатели деятельности компании и их использование в прогнозировании 21
1.3 Система ключевых показателей эффективности деятельности компании (KPI) 32
1.4 Система сбалансированных показателей деятельности компании (BSC) 33
1.5 Управление стоимостью в перспективе 41
1.6 Расчеты, используемые в процессе управления стоимостью 49
1.7 Выводы по управлению стоимостью 59
1.8 Выводы по первой главе 66
Глава 2. Критический анализ методов прогнозирования показателей финансово-хозяйственной деятельности (ФХД) компании и границы их применения 68
2.1 Процесс прогнозирования показателей финансово-хозяйственной деятельности вертикально-интегрированной нефтяной компании 68
2.2 Анормальные доходы и основы модели Ольсона 69
2.3 Начисления, модели оценки, основанные на бухгалтерских показателях, и прогнозирование стоимости собственного капитала 89
2.4 Современные модели линейной информационной динамики 96
2.5 Выводы по второй главе 104
Глава 3. Прогнозирование финансовых показателей деятельности на примере нефтяной компании ОАО «ЛУКОЙЛ» 106
3.1 Процесс прогнозирования показателей финансово-хозяйственной деятельности вертикально-интегрированной нефтяной компании 106
3.2 Расчетная часть 110
3.3 Выводы по третьей главе 119
3.4 Пример внедрения в ОАО «ЛУКОЙЛ» 120
Заключение 127
Список сокращений и условных обозначений 131
Список литературы 131
Список иллюстративного материала 142
Приложение 1. Результаты оценки параметров моделей линейной информационной динамики LIM0 и LIM2 по основным отраслям российской экономики 144
- Система сбалансированных показателей деятельности компании (BSC)
- Анормальные доходы и основы модели Ольсона
- Современные модели линейной информационной динамики
- Процесс прогнозирования показателей финансово-хозяйственной деятельности вертикально-интегрированной нефтяной компании
Введение к работе
Актуальность темы диссертационного исследования. В настоящее время предприятия топливно-энергетического комплекса, в частности нефтяной промышленности, являются ключевым и самым стабильным источником пополнения федерального бюджета Российской Федерации. В условиях высокой волатильности на мировом рынке углеводородных энергоносителей прогнозирование финансовых показателей деятельности предприятий нефтяной промышленности с целью повышения эффективности управления является одной из важнейших и в тоже время одной из наиболее сложных задач, от которой напрямую зависит устойчивость развития системообразующей для российской экономики отрасли.
Вертикально-интегрированные нефтяные компании (ВИНК) - крупнейшие национальные корпорации, на финансово-экономической основе объединяющие в себе функции по поиску, разведке, добыче, переработке, транспортировке, сбыту и маркетингу нефти и нефтепродуктов. Фактически, учитывая специфику российского законодательства, вертикально-интегрированная нефтяная компания (ВИНК) - это наиболее распространенная форма существования и функционирования нефтяной компании в России.
С учетом особенностей организационной структуры вертикально-интегрированной нефтяной компании, прогнозирование финансовых показателей ВИНК с целью повышения эффективности управления ВИНК является довольно сложным процессом, так как требует обработки огромного объема информации о дочерних и зависимых обществах ВИНК, а также характеризуется небольшим набором ретроспективных данных и их значительной дисперсией и зашумленностью.
Ключевой является проблема выбора показателей для прогнозирования. Выбор показателей для прогнозирования неразрывно связан с выбором стратегической модели оценки эффективности управления компанией: необходимо прогнозировать только те финансовые показатели, которые в дальнейшем будут использованы в качестве исходных данных для стратегической
модели.
Основными этапами процесса принятия решений по выбору оптимальных моделей оценки эффективности управления компанией и прогнозирования необходимых для моделирования финансовых показателей деятельности компании являются:
-
Выбор оптимальной модели оценки эффективности управления компанией;
-
Анализ информационной базы, доступной для построения модели оценки эффективности управления компанией;
-
Построение моделей прогнозирования основных показателей деятельности компании, необходимых для применения модели оценки эффективности;
-
Проведение процедур адаптации моделей прогнозирования собственного капитала с целью применения в российских условиях.
Для решения указанных проблем целесообразно использовать методы интеллектуального анализа данных, которые позволяют искать неочевидные взаимосвязи и выявлять неизвестные закономерности, что дает возможность на основе накопленной информации формировать нетривиальные решения для повышения эффективности управления компанией.
Степень разработанности проблемы. Проблемы управления и прогнозирования финансовых показателей компании рассмотрены в трудах таких отечественных и зарубежных ученых, как Шеремет А.Д., Савицкая Г.В., Ковалев А.И., Бердникова Т.Б., Любушин Н.П., Погостинская Н.Н., Э. Альтман, Р. Брейли, М. Бромвич, Р. Каштан, Т. Коупленд, Д. Нортон, Дж. Олсон, А. Раппопорт, С. Стерн, Р. Таффлер.
Отдельные теоретические и методические аспекты оценки эффективности управления компанией и прогнозирования финансовых результатов деятельности компании рассмотрены в трудах Бывшева В.А., Грязновой А.Г., Костюнина В.И., Меладзе В.Э., Мунермана И.В., Рубашкина Г.В. Федотовой М.А., П.Дечоу.
Вопросам применения интеллектуальных методов анализа для решения экономических задач посвящены труды Абдикеева Н.М., Барского А.Б., Бру скина С.Н., Ван Ден Берга В.-М., Вуда Д., Емельянова А.А.., Ежова А.А., Круглова В.
В., Матвеева М.Г., Одинцова Б.Е., Романова А.Н., Свиридова А.С., Тельнова Ю.Ф., Шумского С.А.
Обобщение исследований в данной области выявило ряд методических и прикладных проблем в области комплексирования результатов применения различных методов искусственного интеллекта с целью получения высокоточных оценок. Кроме того, встает необходимость разработки подходов к актуализации полученных значений, обусловленной спецификой отечественного рынка, функционирующего в условиях экономической нестабильности, а также учетом возможности возникновения рисков. Это определяет актуальность научной задачи разработки инструментов управления компанией, основанных на применении теории и методологии экономико-математического моделирования функционирования вертикально-интегрированной нефтяной компании (ВИНК), а также для совершенствования методов искусственного интеллекта при выработке управленческих решений.
Цель и задачи исследования. Цель диссертационного исследования состоит в разработке комплекса экономико-математических моделей прогнозирования результатов финансово-хозяйственной деятельности вертикально-интегрированной нефтяной компании (ВИНК), механизма его интеграции с моделями оценки качества управления компанией, а также инструментальных средств для практической реализации предложенного алгоритма в российских ВИНК.
Достижение цели требует постановки и решения следующих задач:
-анализ современных подходов к управлению компаниями;
-анализ математического аппарата и программных средств прогнозирования и выбора оптимальных моделей управления компаниями;
-разработка подходов к построению математических моделей оценки эффективности управления компаниями при решении различных классов задач управления, а также матрицы выбора рационального варианта построения модели управления;
-разработка комплексной интеллектуальной модели для оценки эффективности управления компанией, состоящей из частных моделей
прогнозирования финансовых результатов деятельности компании;
-разработка информационной системы поддержки принятия решений по управлению компанией, реализующей предложенные модели интеллектуального анализа информации;
-разработка методики организации процесса анализа показателей эффективности деятельности дочерних и зависимых обществ вертикально-интегрированной нефтяной компании (ВИНК);
-практическое применение предложенных инструментов на базе информации о деятельности дочерних и зависимых обществ ОАО «Лукойл».
Объектом диссертационного исследования послужили вертикально-интегрированные нефтяные компании (ВИНК), их дочерние и зависимые общества.
Предметом диссертационного исследования является применение математических и инструментальных методов экономики для управления вертикально-интегрированной нефтяной компанией (ВИНК).
Область исследования. Диссертация выполнена в рамках п.п. 1.4 и 2.3 Паспорта специальности 08.00.13 - Математические и инструментальные методы экономики (экономические науки).
Теоретической и методологической основой исследования являются фундаментальные положения и научно-методологические подходы к оценке эффективности управления компанией, математические и инструментальные методы экономики, теория проектирования сложных информационных систем, методы искусственного интеллекта, сформулированные в трудах отечественных и зарубежных ученых по математическому моделированию экономических систем, а также по вопросам разработки и внедрения информационных технологий в процесс управления компаниями.
Методологическую основу исследования составили методы системного, сравнительного, статистического, финансового и экономического анализа. Достоверность и обоснованность научных результатов, выводов и рекомендаций диссертационного исследования определяются корректным применением математических инструментальных методов экономики, проектирования
информационных систем, теории авторегрессионного анализа, прогнозирования прибыли с помощью моделей информационной динамики.
Информационная база исследования. Исследование проводилось на основе привлечения статистического материала Федеральной службы государственной статистики, информационной системы СПАРК-Интерфакс, отчетных данных о результатах деятельности ОАО «Лукойл», находящихся в открытом доступе в сети Интернет и предназначенных для инвесторов.
Основные результаты исследования и их научная новизна заключаются
в разработке комплекса экономико-математических моделей прогнозирования
результатов финансово-хозяйственной деятельности вертикально-
интегрированной нефтяной компании (ВИНК), механизма его интеграции с моделями оценки качества управления компанией, а также инструментальных средств для практической реализации разработанного алгоритма в российских ВИНК. Предложена комплексная интеллектуальная модель оценки эффективности управления вертикально-интегрированной нефтяной компанией (ВИНК), состоящая из частных моделей прогнозирования результатов деятельности ВИНК.
В ходе выполнения работы получены следующие научные результаты, выносимые на защиту:
-
Разработаны подходы к построению математических моделей оценки эффективности управления ВИНК и матрицы выбора рационального варианта архитектуры моделей прогнозирования финансовых показателей деятельности компании с целью решения задач по управлению ВИНК.
-
Предложена комплексная интеллектуальная модель для оценки эффективности управления дочерними и зависимыми обществами ВИНК.
-
Создана система показателей оценки моделей управления ВИНК и прогнозирования необходимых для этого финансовых результатов.
-
Разработана архитектура информационной системы поддержки принятия решений по контролю за результатами деятельности дочерних и
зависимых обществ вертикально-интегрированной нефтяной компании, а
также методика организации процесса массовой оценки эффективности
управления дочерними обществами вертикально-интегрированной
нефтяной компании.
Выводы и предложения диссертационного исследования не противоречат
известным теоретическим и практическим результатам, содержащимся в трудах
отечественных и зарубежных ученых в области экономики, организации и
управления компаниями.
Теоретическая и практическая значимость исследования. Теоретическая
значимость научных результатов проведенного исследования заключается в том,
что основные выводы и положения диссертации развивают теоретико-
методологическую базу экономико-математического прогнозирования
показателей финансово-хозяйственной деятельности вертикально-
интегрированной нефтяной компании (ВИНК). Разработанная в диссертационном исследовании архитектура информационной системы поддержки принятия решений по управлению дочерними и зависимыми обществами ВИНК, реализующая предложенные модели интеллектуального анализа информации, имеет существенное значение для теории и практики построения информационных систем в части развития инструментальных методов интеллектуального анализа данных. Предложенная в диссертационном исследовании методика организации процесса оценки деятельности дочерних и зависимых обществ ВИНК развивает методический аппарат управления вертикально-интегрированными нефтяными компаниями в Российской Федерации в части совершенствования инструментов оценки результатов их хозяйственной деятельности.
Практическая значимость результатов исследования состоит в том, что разработанные в диссертации положения и методики ориентированы на широкое применение в практике анализа комплекса экономико-математического аппарата прогнозирования финансовых результатов деятельности нефтяных компаний в Российской Федерации.
Самостоятельное практическое значение имеют следующие положения диссертационного исследования:
- подходы к построению математических моделей оценки качества
управления ВИНК, а также прогнозирования необходимых для этого финансовых
показателей;
комплексная интеллектуальная модель для оценки качества построенных моделей;
архитектура информационной системы поддержки принятия решений по управлению дочерними и зависимыми обществами ВИНК, реализующая предложенные модели интеллектуального анализа информации;
- методика организации процесса оценки деятельности дочерних и
зависимых обществ ВИНК.
Предложенные в диссертации подходы к построению математических моделей оценки качества управления и прогнозирования необходимых для этого финансовых показателей, комплексная интеллектуальная модель оценки качества построенных моделей имеют существенное значение для теории и практики экономико-математического моделирования в части развития математического аппарата анализа функционирования ВИНК. Предложенный в диссертационном исследовании инструментарий, методики и рекомендации позволят менеджменту ВИНК принимать эффективные решения в процессе управления дочерними и зависимыми обществами на всех уровнях вертикальной интеграции ВИНК, что приведет к улучшению финансовых результатов деятельности головной компании ВИНК в условиях высокой степени волатильности рыночной конъюнктуры на мировых сырьевых рынках.
Разработанная в диссертационном исследовании информационная система поддержки принятия решений по управлению дочерними и зависимыми обществами ВИНК, реализующая модели интеллектуального анализа информации, а также методика организации процесса оценки эффективности управления обществами практически использовались в ОАО «Лукойл». При этом предложенная комплексная интеллектуальная модель оценки качества управления
может использоваться различными ВИНК и другими крупными компаниями, имеющими значительное количество различных структурных подразделений.
Предложенная в диссертации архитектура информационной системы поддержки принятия решений по управлению дочерними и зависимыми обществами, реализующая разработанные модели интеллектуального анализа информации, может найти широкое применение при реализации проектов по автоматизации процесса управления ВИНК.
Апробация и внедрение результатов исследования.
Основные положения диссертационной работы докладывались и обсуждались на следующих научных мероприятиях:
Восемнадцатая международная конференция «Математика, компьютер, образование» Международная школа-конференция «Биофизика сложных систем. Анализ и моделирование» (г. Пущино, Московский государственный университет им. М.В. Ломоносова, 24-29 января 2011 г.);
Всероссийская научно-практическая конференция «Стратегическое управление организациями: теория и практика инновационного развития» (Санкт-Петербург, Санкт-Петербургский государственный политехнический университет, 2012 г.);
Девятнадцатая международная конференция «Математика, компьютер, образование» Международная школа-конференция «Биофизика сложных систем. Анализ и моделирование» (г. Дубна, Московский государственный университет им. М.В. Ломоносова, 30 января- 4 февраля 2012 г.);
XVI Международная научно-практическая конференция «Интеграция
экономики в систему мирохозяйственных связей» (Санкт-Петербург, Санкт-
Петербургский государственный политехнический университет, 2011 г.).
Диссертационное исследование выполнено в рамках научно-
исследовательских работ ФГОБУВПО «Финансовый университет при
Правительстве Российской Федерации», проведенных в рамках Государственного
задания на 2012 г. и плановый период 2013-2014 гг. по теме: «Оценка
финансового обеспечения инновационных предприятий в России».
Материалы диссертационного исследования используются в практической деятельности S.C. «LUKOIL Romania» S.R.L. На предприятии внедрена разработанная в диссертационном исследовании методика прогнозирования финансовых показателей деятельности компании. Используемая методика позволяет осуществлять стратегическое планирование и мониторинг текущих показателей с учетом стоимости бизнеса и ключевых показателей экономической эффективности деятельности предприятия.
Разработанная в диссертационном исследовании методика прогнозирования финансовых показателей деятельности компании используется в практической деятельности S.C. «LUKOIL Romania» S.R.L и позволяет существенно повысить качество менеджмента компании, а также снизить риски процесса стратегического планирования.
Результаты исследования используются кафедрой «Моделирование экономических и информационных систем» ФГОБУВПО «Финансовый университет при Правительстве Российской Федерации» в преподавании учебных дисциплин «Теория рисков и моделирование рисковых ситуаций» и «Математическое моделирование экономических процессов и систем» для магистров.
Внедрение результатов диссертации в указанных организациях подтверждено соответствующими справками.
Публикации. Результаты выполненного диссертационного исследования опубликованы в 10 печатных работах общим объемом 3,0 п.л. (весь объем авторский), в том числе три статьи авторским объемом 1,9 п.л. в журналах, определенных ВАК Минобрнауки России.
Структура и объем диссертации. Структура диссертации определена целью, задачами и логикой диссертационного исследования и включает в себя введение, три главы, заключение, список используемой литературы из 118 наименований и приложение. Объем диссертации составляет 146 страниц текста, включает 18 рисунков и 6 таблиц.
Система сбалансированных показателей деятельности компании (BSC)
Система Сбалансированных Показателей (ССП) или в английском варианте Balanced Scorecard (BSC) - сравнительно новая «управленческая технология». Она была разработана на основе выводов исследования, проведенного в 1990 г. профессорами Гарвардской школы экономики Дэвидом Нортоном и Робертом Капланом6.
Система Balanced Scorecard активно внедряется в большом количестве западных компаний и на российских предприятиях (первые прецеденты внедрения BSC в России - компании «ЛУКОЙЛ» и «Северсталь») .
Сбалансированная система показателей даёт преимущество компании, охватывая сразу два аспекта: с одной стороны - это уравновешенность между некоторыми финансовыми и нефинансовыми показателями; с другой стороны она охватывает долгосрочную, стратегическую перспективу принятия решений и нацелена на успех предприятия в будущем.
Balanced Scorecard делает акцент на нефинансовых показателях эффективности, давая возможность оценить такие аспекты деятельности как степень лояльности клиентов, или инновационный потенциал компании.
Современные подходы к стратегическому менеджменту призывают обращать внимание на такие нефинансовые составляющие как, персонал, бизнес-процессы, инновации, отношения с потребителями. С этой целью Роберт Каплан и Дэвид Нортон определили четыре перспективы, являющиеся основными группами стратегических целей, достижение которых оценивается ключевыми показателями8:
1) Финансы (каково представление о компании у акционеров и инвесторов?).
2) Клиенты (какой компанию видят покупатели ее продуктов?).
3) Бизнес-процессы (какие бизнес-процессы требуют оптимизации, на каких организации стоит сосредоточиться, от каких отказаться?).
4) Обучение и рост (какие возможности существуют для роста и развития компании?).
Схематично группы представлены на Рисунке 1.1.
Группа «Финансы» включает традиционные финансовые показатели. Собственника всегда в первую очередь будут интересовать показатели финансовой отдачи на вложенные средства. Поэтому сбалансированная система должна начинаться (в классификации) и заканчиваться (в конечной оценке) финансовыми показателями.
Группа «Клиенты» описывает внешнее окружение предприятия, его отношение с клиентами. Основными фокусами внимания выступают: способность предприятия к удовлетворению клиента; способность предприятия к удержанию клиента; способность приобретения нового клиента; доходность клиента; объем рынка; рыночная доля в целевом сегменте.
Группа «Бизнес-процессы» характеризует внутренние процессы предприятия: инновационный процесс, разработка продукта, подготовка производства, снабжение основными ресурсами, изготовление, сбыт, послепродажное обслуживание.
Группа «Обучение и рост» позволяет описать способность предприятия к обучению и росту, которая фокусируется в следующие факторы: люди с их способностями, навыками и мотивацией; информационные системы, позволяющие поставлять критическую информацию в режиме реального времени; организационные процедуры, обеспечивающие взаимодействие между участниками.
На основании анализа Рисунка 1.1 можно проследить цепочку взаимосвязанных задач, которые необходимо решить каждому предприятию для достижения поставленных целей. В первую очередь нужно определить, как должна обучаться и изменяться организация, какой персонал будет осуществлять развитие предприятия. После этого необходимо решить, как улучить и оптимизировать бизнес-процессы предприятия для удовлетворения наших клиентов. В итоге, если на нашем предприятии имеются необходимые трудовые ресурсы, отлажены бизнес процессы и их функционирование, клиент удовлетворён и получает высококачественные блага, то и стоимость самого бизнеса стремится вверх. На Рисунке 1.2 изображена взаимосвязь уровней перспектив и целей в системе BSC.
Технологически построение BSC для отдельно взятой компании включает несколько необходимых элементов:
- карту стратегических задач, логически связанных со стратегическими целями;
- непосредственно карту сбалансированных показателей (количественно измеряющих эффективность бизнес-процессов, «точку достижения цели» и сроки, в которые должны быть достигнуты требуемые результаты);
- целевые проекты (инвестиции, обучение и т.п.), обеспечивающие внедрение необходимых изменений;
- «приборные панели» руководителей различных уровней для контроля и оценки деятельности.
Набор аналитических показателей для менеджера каждого уровня включает те показатели, которыми он оперирует в своей деятельности. Для топ-менеджера это показатели стоимости компании, эффективности использования капитала, эффективности инвестиций и т.д. На уровне руководителя производственной единицы - показатели операционных затрат, загрузки мощностей, величины брака и т. п. Построение BSC осуществляется таким образом, чтобы задачи и показатели менеджеров более высокого уровня в интегрированном виде отражали задачи и показатели менеджеров более низкого уровня организационной структуры.
Таким образом, удается сделать реализацию стратегии регулярной деятельностью всех подразделений, управляемой с помощью планирования, учета, контроля и анализа сбалансированных показателей, а также мотивации персонала на их достижение.
Каждая компания на определенном этапе сталкивается с необходимостью четкой формализации стратегических целей и концепции своего развития. Однако это только первый шаг на пути к реальному стратегическому управлению, при котором каждое управляющее воздействие и последующая реакция со стороны персонала направлены на достижение стратегических целей организации.
BSC позволяет решать следующие задачи: трансформация миссии компании в конкретные, вполне осязаемые задачи и показатели; конкретизация стратегии компании; перевод общей стратегии компании в термины операционного процесса; планирование и контроль достижения стратегических целей компании.
«Правильно построенная Сбалансированная Система Показателей, поддерживаемая удобными программными средствами, позволяет предприятию:
- сосредоточить все свои ресурсы (финансовые, кадровые, технологические, информационные) на реализации стратегии и добиться неуклонного движения предприятия к поставленным целям;
- обеспечить связь между стратегическими целями и ежедневной работой коммерческих, производственных и административных структур (за счет введения измеримых показателей, связанных с целями);
- повысить управляемость и эффективность деятельности предприятия, а также снизить риски»9.
«Система BSC, опираясь на анализ ключевых показателей эффективности, позволяет сделать последующие шаги:
- определить степень достижения целей
- определить эффективность бизнес-процессов
- определить качество работы каждого отдельного сотрудника» 10.
Разработка сбалансированной системы показателей проходит в несколько этапов (процессов).
На начальном этапе разработки системы BSC делается упор на обучении персонала в форме учебно-консультационных семинаров для топ-менеджмента и руководителей среднего звена компании, а также филиалов компании по реализации стратегии на основе BSC. В рамках этого обучения персонал получает навыки по разработке стратегических карт, определению ключевых показателей эффективности (KPI), установлению целевых значений показателей, каскадированию показателей на нижестоящие уровни управления и построению системы мотивации на основе BSC. На следующем этапе, этапе разработки стратегических карт и KPI, идет процесс формализации целей, определения причинно-следственных связей между ними.
Анормальные доходы и основы модели Ольсона
Понятие анормальных доходов базируется на следующих основных предположениях. Пусть bt - «балансовая» стоимость компании в момент t, a dt -выплаченные «дивиденды» за год в период от t-І до t. Тогда суммарный доход акционера (обозначим его как ,) за период / составит «дивиденд» плюс приращение балансовой стоимости компании: bt=bM+xt-dt, (2.1)
Обычно момент времени t означает конец года, тогда d, - дивиденды за год.
В начале рассматриваемого периода, т.е. в момент времени t-І, владелец предприятия к концу промежутка времени от t-І до t рассчитывает получить доход, равный rbhJ. Это - следствие самого определения ставки дисконтирования г . Эту величину, т. е. доход исходя из ставки дисконтирования, мы назовем «нормальным доходом»: nfl.kJ (2-2)
Величина же ха, = х, - rb,_i называется «анормальным доходом» компании за период t. Анормальный доход равен разнице между реально полученной инвестором отдачей на капитал и ожидаемой отдачей, т. е. отдачей исходя из ставки дисконтирования.
Отметим несколько моментов:
1)В настоящем пункте мы не уточнили, что означает понятие «балансовая стоимость» в реальных условиях. В бухгалтерской отчетности GAAP или МСФО, которые требуют обязательной ежегодной переоценки основных фондов, это понятие более или менее прозрачно, т. к. бухгалтерский баланс с достаточной степенью точности отражает реальную стоимость активов и пассивов предприятия.
В российских же условиях, как уже обсуждалось, бухгалтерские данные имеют мало общего с реальной стоимостью активов. Поэтому, разумеется, понятие «балансовая стоимость» компании, употребляющееся в этой главе, не есть в буквальном смысле стоимость собственного капитала по бухгалтерскому балансу. Полное раскрытие этого понятия (в том смысле, который требуется для его использования в рамках синтетических моделей) представляет собой, вообще говоря, нетривиальный вопрос.
2) Относительно ставки дисконтирования необходимо точно понимать, что (какой показатель) подразумевается под «отдачей инвестиций». В данном случае таким показателем должен являться доход, определяемый формулой (2.2), и «отдача инвестиций» должна рассматриваться именно в соответствии с этим определением.
3) Заметим, что далее мы ориентируемся на 100-процентный пакет акций, т. е. на своего рода «единоличного владельца». Стоимость компании, таким образом, будет стоимостью 100-процентного пакета акций. Разумеется, для получения из этой величины стоимостей миноритарных пакетов акций должны быть применены соответствующие скидки за недостаточную степень контроля, а также скидки за низкую ликвидность, если такие скидки требуются (по отношению к компаниям, акции которых не котируются на организованном рынке ценных бумаг).
Самый простой путь использования величины «анормальных доходов» для получения величины стоимости компании - это капитализация анормального дохода и присоединение этой величины к стоимости предприятия, полученной исходя из стоимости его активов, т. е. исходя из того, что мы назвали «бухгалтерской стоимостью». Такая капитализация анормального дохода осуществляется с использованием обычного коэффициента капитализации, равного разнице ставки дисконтирования и среднегодового темпа прироста дохода.
Описанная модель носит название модели Эдвардса-Бэлла-Ольсона (ЕВО). С учетом сказанного стоимость (100-процентного пакета акций) компании в модели Эдвардса-Бэлла-Ольсона будет равна: где N1 (Net Income) - чистая прибыль; BV (Book Value) - балансовая стоимость собственного капитала; ROE - рентабельность собственного капитала; V0 -текущая стоимость собственного (акционерного) капитала; VA0 - текущая стоимость инвестированного капитала (операционных активов).
В модели Эдвардса-Бэлла-Ольсона капитализация дохода базируется на предположении его устойчивости. Это значит, что величина анормального дохода, зафиксированного в текущий период, предполагается устойчивой на достаточно длительный период в будущем. Что, в свою очередь, означает, что зафиксированный анормальный доход не является просто «флуктуацией» доходов за текущий период и не является следствием некоторых кратковременных преимуществ перед компаниями - конкурентами, т. к. его величина предполагается неизменной в будущем.
Модель Эдвардса-Бэлла-Ольсона была усовершенствована Ольсоном в 1995 г. В рамках этой усовершенствованной модели, названной моделью Ольсона, была предложена «динамика развития анормальных доходов» в противовес условию их неизменности, как в модели Эдвардса-Бэлла-Ольсона. В соответствии с этим экономический смысл понятия «анормальные доходы» претерпел изменения.
Согласно модели Ольсона стоимость компании в момент времени f равна начальной «бухгалтерской» стоимости компании плюс сумма дисконтируемых анормальных прибылей, а именно: p=fE,[dl+l] (2.4) где Е, - прогнозное (в момент времени t, т. е. в настоящий момент времени) значение какой-либо величины, в данном случае - величины анормальных доходов.
Таким образом, для нахождения окончательной величины стоимости необходимо задать явное выражение для величин прогнозных анормальных доходов.
Если подставить в формулу для анормальных доходов следующее выражение: то, суммируя ряд (имеющий вид геометрической прогрессии), можно прийти к формуле: т. е. к модели Эдвардса-Бэлла-Ольсона. Разумеется, выражение означает просто то, что анормальный доход растет в соответствии с общерыночным темпом прироста.
Ольсоном же11 была предложена следующая явная временная динамика поведения аномальных доходов: где со, у - заранее заданные эмпирические величины, каждая из которых меньше 1 , а є - характеристика «флуктуации», распределение вероятностей которых считается гауссовым с нулевой средней. Иными словами, характеристика є считается просто «шумом», не связанным со скоростью убывания анормальных доходов.
Поясним вкратце смысл соотношений. Они показывают, что анормальные доходы со временем стремятся к нулевой величине. Значит, по сравнению с другими компаниями компания со временем теряет исходные «преимущества» положения на рынке и ее доход, как и следует ожидать, со временем стремится к среднерыночной норме доходности, т. е. к ставке дисконтирования г.
Это свидетельствует о важном условии применимости модели Ольсона: лежащие в ее основе предположения подразумевают, что в дальнейшем компания останется активно функционирующим предприятием. Это обусловливает неприменимость модели Ольсона к оценке предприятий, динамика развития которых указывает на возможность банкротства.
При этом возникает вопрос - как быстро компания «забудет» о своем состоянии в настоящий момент времени? Легко видеть, что именно константы ю, у задают такую скорость «забывания», т. е. со показывает, какая часть анормальных доходов (при начальном значении v,=0) за прошедший год остается в текущем году, а у показывает, какая часть величины v прошедшего года сохраняется в текущем году. При значениях & =0,62, у=0,32, если, то анормальные доходы «затухают» в 10 раз приблизительно за 4,9 года, и при vt#0 эта величина меняется незначительно.
Вообще же, как несложно убедиться, при обычных значениях параметров со=0,75, 7=0,6 анормальные доходы «вымываются» за 4-7 лет. Это значит, что согласно модели Ольсона компания за этот период теряет свои «преимущества», которыми были вызваны ее текущие анормальные доходы. В данном случае в отличие от модели Эдвардса-Бэлла-Ольсона под «преимуществами» понимаются не некие постоянные преимущества, выделяющие оцениваемую компанию из среды конкурентов, а просто различные «скрытые факторы», совокупность которых и привела к получению анормальных доходов, т. е. доходов, отличных от ожидаемых в соответствии со стоимостью капитала.
Современные модели линейной информационной динамики
Ключевое отличие модели FOM от модели ЕВО: соотношение чистого прироста не выполняется, т.е. собственный капитал может пополняться за счет иных источников, помимо чистой прибыли - это позволяет нам использовать эту модель для исследования российских компаний, в том числе компаний нефтяного сектора и ВИНК.
Линейная информационная динамика Фельтама-Ольсона имеет вид
Проведенный анализ ошибок прогнозирования стоимости собственного капитала использует оценки стоимости собственного капитала, взятые из трех линейных информационных моделей (LIM) на основе модели Фельтама-Ольсона. Каждая LIM отражает различный уровень деагрегации прибыли на компоненты.
Первый вопрос: помогает ли успешная деагрегация на поток денежных средств и общие начисления, а также поток денежных средств и четыре основных компонента начисления в прогнозировании стоимости собственного капитала?
Второй вопрос: помогает ли введение структуры LIM в прогнозировании стоимости собственного капитала?
Для ответа на эти вопросы М.Бартц построила системы трех линейных информационных моделей, которые используются для нахождения параметров для модели Фельтама-Ольсона:
Первая линейная информационная модель (ЫМ1) основана на данных Ольсона (1995) и включает в себя три уравнения. Первые два уравнения являются прогнозными уравнениями, а третье уравнение является уравнением оценки, предусмотренным динамикой линейной информации прогнозных уравнений. Например, Ольсон (1995) показывает, что коэффициент оценки аномальных доходов в уравнении al, является нелинейной функцией со 11 и ставки дисконтирования г. Параллельно в работах Дечоу и других было показано, что прибыль обладает большими прогностическими свойствами по отношению к денежному потоку, чем сам денежный поток по отношению к самому себе. То есть прогноз денежного потока по прибыли за предыдущий отчетный период оказывается более точным, чем прогноз по значению денежного потока за предшествующий период. Тогда же было обращено внимание на роль разного рода начислений (Acruals), влияние которых вероятно и является причиной этой особенности.
Используя этот факт, М. Бартц предложила модифицировать модель линейной информационной динамики, раскладывая прибыль на составляющие части (деагрегация прибыли). В одной модификации дополнительно в уравнение отдельно включаются агрегированные начисления, выполняя роль «прочей информации» по Ольсону.
Продолжая детализацию следующий вариант модификации уже деагрегирует сами начисления включая в регрессионное уравнение их отдельные составляющие.
Здесь уже из начислений вычленяются: AREC - годовое изменение дебиторской задолженности, AINV - изменение товарного запаса, ААР - изменение кредиторской задолженности и DEP - расходы на износ и амортизацию.
Важной проблемой при прогнозировании является отраслевая дифференциация компаний, влияющая на значения параметров модели. Значения коэффициентов регрессии могут иметь статистически значимые различия для разных отраслей.
Проведем оценку LIM1, поскольку она фокусируется на совокупных доходах и играет существенную роль в работах по методологии бухгалтерского учета. Некоторые исследования (Бернар, 1995; Люндхольм, 1995; Бартц, Бивер, Хэнд и Лэнсман, 1999; Дэхов, Хаттон и Слоун, 1999; Майерс, 1999) устанавливают, что модели LIM, использующие совокупные доходы, являются высокоэффективными. В свете вышеизложенного, достаточно надежные источники используют спецификации на основе LIM1 для определения того, как бухгалтерские показатели относятся к текущим значениям стоимости собственного капитала для получения точных оценок прогнозных показателей (Бартц, Бивер и Лэнсман, 2001; Хольтхаузен и Уотте, 2001). Иные исследования (Франкель и Ли, 1998; Ли, Майерс и Суоминатан, 1999) применяют модели, подобные LIM1 для оценки теоретических цен в целях использования разниц между теоретическими и фактическими значениями стоимости собственного капитала для выявления неправильно оцененных ценных бумаг.
Вторая модель, LIM2 — это модель, исследованная в работе Бартц, Бивера, Хэнда и Лэнсмана (1999) смягчает допущение о том, что общие начисления, связанные с денежным потоком компоненты прибыли имеют те же параметры модели . Модель LIM2 может быть рассмотрена как вариант модели, приведенной в работе Ольсона (1999), которая моделирует различные компоненты прибыли, хотя модель применяется к и любому компоненту прибыли в отдельности. Соответственно, по сравнению с LIM1, путем добавления дополнительного прогнозного уравнения, LIM2 налагает дополнительные допущения на параметры оценки, приведенные в формулах (2.25,2.26,2.27).
LIM2 фокусируется на потоке денежных средств и компонентах общих начислений, в нескольких исследованиях показано, что данные компоненты отличаются по своей способности прогнозировать будущие доходы и объясняют перекрестные вариации значений стоимости основного капитала (Дешоу, 1994; Слоан, 1996; Бартц, Бивер, Хэнд и Лэнсман, 1999; Бартц, Крэм и Нельсон, 2001).
Третья модель, LIM3, еще более смягчает допущения, относящиеся к компонентам прибыли, и разбивает параметры модели на четыре основных компонента начислений, а также от других компонентов прибыли, включая поток денежных средств. LIM3 включает в себя семь уравнений. Соответственно, по сравнению с LIM2, путем добавления трех дополнительных прогнозных уравнений, LIM3 налагает дополнительные допущения на параметры оценки, приведенные в формулах (2.31 2.32, 2.33, 2.34, 2.35).
LIM3, поскольку она фокусируется на компонентах прибыли, выделенных из поток денежных средств и четыре основных компонента начислений, а выводы, сделанные в работе Бартц, Крэма и Нельсона (2001), указывают на то, что данные компоненты отличаются по своей способности прогнозировать будущие потоки денежных средств и объясняют перекрестные вариации значений стоимости основного капитала. Кроме того, Бартц, Бивер, Хэнд и Лэнсман в своей работе (1999) обнаруживают, что LIM2 может быть неконкретизированной, что предполагает, что деагрегация начислений на их основные компоненты может повысить способность прогнозировать значения стоимости собственного капитала.
Третий вопрос, который рассматривался в рамках исследований М.Бартц: помогает ли использование отдельных отраслевых оценок при расчете параметров оценки в прогнозировании рыночной стоимости собственного капитала. Параметры оценки могут отличаться по отраслям по двум причинам. Первая причина заключается в том, что относительное сочетание компонентов начислений может отличаться по отраслям.
Например, производственные предприятия осуществляют значительные инвестиции в товарные запасы, а компании, оказывающие услуги, нет. В отношении LIM3, если это действительно единственная разница, все параметры оценки и прогнозирования будут одинаковыми по отраслям. Однако, поскольку товарные запасы агрегированы с иными начислениями в LIM1 и LIM2, параметры оценки и прогнозирования будут отличаться по отраслям.
Производственные предприятия, вероятно, будут иметь более стабильные величины дебиторской задолженности, чем компании в сфере розничной торговли. В той степени, в которой компании в рамках одной и той же отрасли сталкиваются с одинаковыми экономическими условиями, включая стоимость капитала, и применяют одинаковые бухгалтерские принципы, включая уровень консерватизма, параметры оценки и прогнозирования для компаний в рамках рассматриваемой отрасли будут одинаковы. Однако, параметры могут отличаться по отраслям в результате различий в экономической среде и принципах бухгалтерского учета.
Отдельная отраслевая оценка допускает, чтобы все параметры оценки и прогнозирования отражали систематические изменения в экономической и учетной среде по отраслям, например, различия в уровне стабильности аномальных доходов. Она также допускает вариацию по отраслям показателей уровня консерватизма и стоимости капитала, связанных с аномальными доходами . Таким образом возрастает актуальность индивидуального подбора параметров модели прогнозирования финансовых показателей именно для нефтяной отрасли.
Процесс прогнозирования показателей финансово-хозяйственной деятельности вертикально-интегрированной нефтяной компании
Проанализировав подход М.Бартц, рассмотренный во второй части статьи в этой главе будет описан процесс адаптации полученных ею результатов к российским данным, полученным из информационной системы ОАО «ЛУКОЙЛ» и его дочерних и зависимых обществ.
Следует особо остановиться на исследованиях динамического поведения финансовых коэффициентов, их роли в прогнозировании финансовых показателей. Устойчивость в поведении каких-либо экономических показателей фирмы является ключом к прогнозу ее финансового состояния. Так что основная задача заключается в нахождении любых видов устойчивости, выявлению закономерностей. Изначально прогнозирование строилось на исторических значениях простых отношений учетных значений (т.е. на финансовых коэффициентах). Такой подход называется «наивным» или грубым прогнозированием. Недостатком такого подхода является то, что финансовые коэффициенты оказываются неустойчивыми показателями, изменяя свое значение из года в год.
В 1969 г. Барух Лев (Baruch Lev) предложил для описания динамики коэффициентов использовать модель частичной корректировки (Partial Adjustment Model) Линтнера-Коик-Нерлова24. Модель представляла собой авторегрессионный процесс, сходившийся к некоторому эталонному значению, который задавался отраслевым средним коэффициентом
В 1970-90 гг. было довольно много публикаций посвященных прогностическим (по отношению к рентабельности и прибыли) свойствам данных бухгалтерского учета. Однако все они имели целый ряд типичных недостатков.
Ранние работы, которые выдвигали такие гипотезы вообще не проводили их серьезную статистическую проверку . Тогда же когда такая проверка проводилась ограничивались только отдельными частными фирмами, причем такими которые для повышения достоверности тестирования имели бы длинную учетную историю, обычно 20 лет. Несмотря на то, что 20 лет для фирмы это большой срок, оценки для временных рядов получались все равно статистически слабыми.
Кросс-секционная (однопериодная) регрессия примененная сразу к массе компаний в противоположность регрессии по временным рядам отдельных компаний оказалась более эффективным инструментом исследования и показала прогностические свойства бухгалтерских учетных значений. При этом однако часто игнорировался учет корреляции между компаниями, обусловленной общей макроэкономической средой и явно проявляющейся во времена кризисов26.
Фама и Френч в своей работе Forecasting Profitability and Earnings (1999) показали, что рентабельность капитала (рассчитываемая ими как отношение операционной прибыли к величине собственного капитала) имеет четко подтвержденную статистикой тенденцию к возвращению к своему среднему значению, причем чем больше отклонение от среднего, тем выше скорость возврата. Такую же тенденцию к возврату проявляет и прибыль. Это было замечено еще раньше Brooks and Buckmaster в уже упоминавшийся работе (1976). В дальнейшем Elgers and Lo заметили (1994, см. выше) определенную асимметрию скоростей возврата. Они заметили, что при отрицательном отклонении прибыли от средней скорость возврата выше, чем при положительном.
Параллельно в работах Дечоу и других было показано, что прибыль обладает большими прогностическими свойствами по отношению к денежному потоку, чем сам денежный поток по отношению к самому себе. То есть прогноз денежного потока по прибыли за предыдущий отчетный период оказывается более точным, чем прогноз по значению денежного потока за предшествующий период. Тогда же было обращено внимание на роль разного рода начислений (Acruals), влияние которых вероятно и является причиной этой особенности.
Используя этот факт, М. Бартц предложила модифицировать модель линейной информационной динамики раскладывая прибыль на составляющие части (деагрегация прибыли). В одной модификации дополнительно в уравнение отдельно включаются агрегированные начисления, выполняя роль «прочей информации» по Ольсону. Продолжая детализацию следующий вариант модификации уже деагрегирует сами начисления включая в регрессионное уравнение их отдельные составляющие.
Важной проблемой при прогнозировании является отраслевая дифференциация компаний, влияющая на значения параметров модели. Значения коэффициентов регрессии могут иметь статистически значимые различия для разных отраслей.
