Размещено на http://www.allbest.ru/

Введение

Тенденции современной экономики, такие как расширение границ взаимодействия агентов на рынке в силу технологического прогресса и более свободного доступа к информации, глобализация рынков, повышение концентрации капитала, а также укрупнение компаний, порождают новые экономические процессы. Одним из таких процессов является активный рост числа сделок слияния и поглощения (M&A) между компаниями. Рынок M&A сделок начал свое бурное развитие еще на стыке XIX и XX веков во времена «Великого движения слияний» (Nelson, Ralph, 1959) и на сегодняшний день является неотъемлемой частью финансового мира. Сделки такого рода совершаются как в стабильных, долго существующих индустриях, так и в новых, динамично развивающихся отраслях. Так, одной из молодых и активно развивающихся отраслей, на примере которой было бы интересно рассмотреть ключевые тенденции M&A рынка является игровая индустрия. За последние десятилетия данная индустрия проделала огромный путь от простых игровых автоматов до высокотехнологичных компьютерных программ, использующих модель виртуальной реальности. В процессе своего развития рынок игр разделился на несколько обособленных секторов, одним из которых является сектор видеоигр, который в последнее время пользуется большой популярностью в мире и занимает особое место в индустрии развлечений.

Рынок видеоигр представляет особый интерес для рассмотрения через призму анализа M&A сделок в силу нескольких основных причин. Во-первых, индустрия видеоигр, характеризующаяся стремительным развитием со среднегодовым темпом роста в 11,5%, за последние десять лет, превзошла по годовому обороту многие секторы индустрии развлечений, что свидетельствует о важности данного сектора экономики. Во-вторых, исследование данного рынка является крайне интересным ввиду популярности и широты охвата аудитории во всем мире.

Согласно статистическим данным около 17% всего населения в мире являются пользователями видеоигр, в ряде развитых стран этот показатель - существенно выше (в частности, в США и Великобритании - около 42%, . В-третьих, с научной точки зрения изучение уникальной и сложной структуры взаимодействия экономических агентов на рынке видеоигр, оказывающей непосредственное влияние на стимулы к сделкам и оценку стоимости компаний, поможет объяснить динамику M&A процессов в данном секторе. Наконец, в последние несколько лет в индустрии видеоигр наблюдается стремительный рост количества и размера сделок слияния и поглощения, в том числе при участии технологических гигантов, стремящихся к консолидации рынка (Приложение 1).

Совокупность всех вышеуказанных факторов также свидетельствует об актуальности исследования данного рынка, в частности, рассмотрение особенностей сделок слияния и поглощения в видеоигровой индустрии.

Стоит отметить, что исследования M&A сделок в секторе видеоигр ограничены узконаправленными отраслевыми аналитическими обзорами, в то время как существует огромное количество примеров работ, посвященных общим подходам к анализу факторов, влияющих на стоимость приобретаемой компании, и изучению эффективности M&A сделок. Как правило, во многих научных работах, исследующих детерминанты стоимости компании-цели, рассматривается взаимосвязь между финансовыми показателями компании-цели и качественными характеристиками сделок (например, способ оплаты сделки, тип покупателя и поглощаемой компании). Тем не менее, влияние отраслевых факторов на стоимость компании-цели в момент заключения сделки крайне редко рассматривается в исследованиях.

В рамках настоящей работы была сформулирована научно-практическая цель исследования - выявление специфичных для данной отрасли факторов, влияющих на оценку стоимости компании-цели в M&A сделках на рынке видеоигр, а также анализ эффективности данных сделок.

Для уточнения задач исследования необходимо определить понятие «видеоигра» и, как следствие, границы анализируемого рынка.

Стоит отметить, что если ранее под видеоиграми подразумевали в основном развлечения на игровых автоматах и приставках, то в процессе появления новых технологий значение термина претерпело сильные изменения. На сегодняшний момент среди экспертов индустрии не существует единого мнения относительно данного понятия. В данной работе будем использовать распространенное значение термина, которое наиболее полно определяет границы анализируемого рынка, а именно: под «видеоиграми» будем подразумевать любые игры, в которых пользователь управляет электронным изображением путем компьютерной программы или устройства визуального отображения.

Для достижения поставленной цели необходимо выполнить ряд основных задач:

разработать организационно-методическую классификацию компаний на рынке видеоигр и сформировать выборку с учетом предложенной классификации, для этого потребуется:

проанализировать основных участников рынка в процессе создания продукта на всех стадиях от разработки до окончательной доставки игры потребителям;

изучить современные сегменты рынка видеоигр;

построить модели исследования влияния специфичных отраслевых факторов на стоимость компании-цели в M&A сделках;

провести эмпирический анализ моделей и сравнить результаты между моделями;

выявить ключевые факторы оценки стоимости компаний в M&A сделках;

проанализировать существующие методы оценки эффективности сделок слияния и поглощения;

провести анализ влияния объявлений о сделках слияния и поглощения на акции компаний;

сформулировать выводы по оценке данного влияния.

Объектом исследования выступают сделки слияния и поглощения в индустрии видеоигр.

Предметом изучения являются связи между показателем стоимости компании-цели (мультипликатором EV/Revenue) на момент анонсирования сделок и отраслевыми факторами, оказывающими влияние на данный показатель, а также эффекты, возникающие в результате объявления M&A сделок.

Новизна исследования заключается в систематизации и изучении влияния специфичных отраслевых факторов на оценку стоимости компании в M&A сделках на рынке видеоигр, а также анализе эффективности сделок на примере данного рынка. В частности, данная работа является первой попыткой рассмотрения игрового контента в качестве детерминанты оценки стоимости компании по сделкам слияния и поглощения на исследуемом рынке.

Отмечая практическую значимость работы, необходимо подчеркнуть, что данная научно-исследовательская работа может быть полезной для менеджмента игровых компаний, отраслевых консультантов и других участников рынка.

Так, понимание детерминант позволит точнее оценивать справедливую стоимость компаний в сделках слияния и поглощения и формировать более точную сравнительную оценку компаний на рынке. Данная работа также показывает ключевые подходы к исследованию специфических отраслевых факторов на рынке M&A, которые могут быть использованы при анализе других отраслевых рынков.



Глава 1. Обзор литературы

сделка слияние рынок видеоигра

1.1 Особенности рынка видеоигр

В данном разделе работы представлены научно-практические исследования по анализу особенностей рынка видеоигр, а также отчеты по рынку, предоставленные аналитическими агентствами и консультантами. Целью раздела является ознакомление читателя с рынком видеоигр, а также формирование единой системы классификации компаний.

Одной из наиболее важных работ по изучению особенностей рынка видеоигр, можно считать исследование Организации Экономического Сотрудничества и Развития (OECD, 2005), которое раскрывает особенности взаимоотношений между участниками рынка видеоигр и представляет подробную информацию о видах, существующих на тот момент игр, акцентируя особое внимание на компьютерных и онлайн играх. Также исследование иллюстрирует эволюцию ролей участников рынка в процессе создания стоимости игр, обусловленной широким распространением сети Интернет и стремительным технологическим ростом. Первоочередной задачей исследователей была классификация игровой отрасли на группы в соответствии с возможностью подключения к Интернету в процессе игры и аппаратным обеспечением, при помощи которого запускалась видеоигра (Таблица 1).

Таблица 1. Тенденции в индустрии компьютерных игр в 2005г.

	Возможность подключения
	Автономные игры	Онлайн игры
Аппаратное обеспечение	Персональный компьютер (ПК)	Зрелый сектор	Сильный рост
	Игровая консоль (приставка)	Умеренный рост	Сильный рост
	Беспроводные устройства	Сильный рост	Сильный рост

Как можно заметить, в 2005г. прогнозировалось падение сектора автономных компьютерных игр и одновременно значительный рост онлайн игр. Под онлайн играми имеют в виду любые игры, для использования которых необходимо постоянное активное Интернет соединение. В статье выделяют следующие типы онлайн игр (OECD, 2005, стр. 10):

Классические настольные и карточные игры, такие как покер, шахматы и прочие, в основном, предлагаемые различными веб-порталами, а также аркадные игры;

ПК или консольные игры с доступом в Интернет, где онлайн опция является дополнением к игре с целью сохранения заработанных очков, рангов и достижений, а также для скачивания патчей и обновлений;

MMO (многопользовательские онлайн игры) - клиентские онлайн развлечения, где люди играют индивидуально или в составе группы в постоянно развивающемся виртуальном мире;

Развлекательные игры, предоставляющие платформу для обучающих программ, специальных программ профессиональной подготовки и интерактивных приложений.

Помимо вышеуказанного анализа авторы уделяют особое внимание рассмотрению цепочки создания стоимости в видеоигровой отрасли (Рисунок 1). Анализируя Рисунки 1 и 2, можно сказать, что процесс создания стоимости до значительного технологического прогресса был проще. Однако, стремительный рост технологий вызвал изменения, как и в самой цепочке создания стоимости, так и в составе основных участников рынка.



Размещено на http://www.allbest.ru/

Рисунок 1. Традиционная цепочка создания стоимости в видеоигровой отрасли

Источник: OECD Publications Centre, Digital Broadband Content: The online computer and video game industry, 2005

Примечания: Для удобства читателя рисунок был переведен

Рассмотрим основную терминологию, предложенную авторами (OECD, 2005, стр. 17), которая будет использована далее в основной части работы. Под межплатформенным программным обеспечением (ПО) исследователи подразумевали ПО, необходимое для функционирования графического интерфейса, в том числе оптимизированные и высокоскоростные программные библиотеки, игровые движки, платформы и прочее ПО. Производителями аппаратного обеспечения, в основном, являются производители игровых консолей, беспроводных устройств (например, пульты управления, мобильные устройства) и персональных компьютеров (например, видеокарта, процессор, игровая клавиатура и мышь). Важно также отметить, что зачастую производители игровых устройств разрабатывают собственное ПО для игр. В свою очередь разработчики видеоигр, комбинируя данные технологические устройства и решения, разработанные внутри компании или третьими сторонами, указанными выше, непосредственно участвуют в создании видеоигр. Издатели и разработчики игр обычно сильно взаимосвязаны, ввиду того, что большинство крупных издателей имеют собственную команду разработчиков, тем не менее основной целью издательской организации является выпуск видеоигры, лицензирование авторских прав, позиционирование игры на рынке и осуществление последующих продаж дистрибьюторам. В то время как дистрибьюторы заняты построением логистических схем по доставке игр розничным продавцам, а последние назначают оптимальную ценовую политику, определяют приоритетность игр, а также устраивают презентации игр в магазинах.

Тем не менее, в виду широкого распространения сети Интернет и быстрого технологического развития цепочка создания стоимости претерпела значительные изменения (Рисунок 2).

Размещено на http://www.allbest.ru/

Рисунок 2. Современная цепочка создания стоимости в видеоигровой отрасли

Источник: Digital Broadband Content: The online computer and video game industry. (2005). OECD Publications Centre. Примечания: Для удобства читателя рисунок был переведен и модифицирован в соответствии с источником

Ключевыми модификациями, касающимися распространения игрового контента, являются:

Появление цифровой дистрибуции, упрощающей скачивание игр напрямую через Интернет;

Осуществление продаж издателями и разработчиками игр напрямую или через игровые веб-сайты, способствующее снижению операционных затрат;

Потенциальный рост прибыли разработчиков межплатформенного ПО за счет прямых продаж покупателям, обусловленных возросшим спросом со стороны покупателей на интересное содержание и улучшенный дизайн игрового контента.

Появление новых участников рынка, Интернет провайдеров и игровых веб-сайтов или веб-серверов, также способствовало появлению онлайн дистрибуции и агрегаторов игрового контента. Как следствие, на рынке произошло снижение роли дистрибьюторов и розничных торговцев, на фоне растущей значимости разработчиков и издателей в процессе создания стоимости (Рисунок 3).

Рисунок 3. Изменение ролей участников в формировании стоимости видеоигр

Источник: KPMG for the Danish Ministry of Culture (2002)

Однако, несмотря на углубленное изучение рынка видеоигр, вышеупомянутая научная литература не включает в себя анализ всех типов игр, например, социальных игр (Berg, 2010, стр. 16), которые представляют собой онлайн игры, предлагаемые пользователю на различных социальных платформах: Facebook, MySpace и другие.

Более того, с появлением мобильных игр, образовавших совершенно новый динамично развивающийся сегмент рынка видеоигр, основные тенденции на рынке так же, как и классификация аппаратного обеспечения изменились. Так, другая группа исследователей (Prato и другие, 2010, стр. 18) пришла к выводу, что более правильной в соответствии с используемыми на тот момент платформами является следующая классификация игр:

Аркадные игры, для функционирования которых используются игровые автоматы;

ПК-игры, для запуска которых необходим персональный компьютер (или портативный компьютер), подключённый к экрану монитора высокого разрешения при помощи специального ПО;

Консольные игры, функционирующие на специализированных игровых приставках, подключенных к устройству вывода изображения;

Игры, которые работают исключительно на портативных игровых консолях, представляющих собой компактные портативные электронные устройства;

В случае мобильных игр платформой являются мобильные телефоны.

В работе (Prato и другие, 2010) также указывается, что представленная классификация является общепринятой среди научного сообщества и отраслевых экспертов. Так, в своей работе Williams подчеркивает важность рассмотрения рынка видеоигр в разрезе используемых платформ, поскольку данный систематизированный подход предотвращает искажение анализа отрасли с точки зрения рыночных долей, конкуренции и поставляемых продуктов (Williams, 2002, стр. 44). Помимо данной классификации также существуют и другие, например, популярными среди пользователей игр являются группировки игр по жанрам (Berg, стр. 12): экшен, приключения, ролевые и прочие, - а также по сложности: основные, серьезные и казуальные игры (Prato и другие, 2010, стр. 20). Однако, систематизирование игр по жанрам и уровню сложности является неточным в виду непрерывного появления совершенно нового игрового контента и сюжетов, которые сложно отнести к той или иной группе. Это и обуславливает их неприменимость в рамках данной работы. В связи с чем, в данной работе будет использована классификация игр по платформам, предложенная выше, с частичными модификациями. Модификации объясняются тем фактом, что рынок видеоигр - это быстро развивающийся рынок (Приложение 1), которому свойственна высокая инновационная динамика развития (Marchand, Hennig-Thurau, 2013, стр. 153). Таким образом, исследования по рынку видеоигр быстро устаревают и не учитывают появление новых продуктов и трендов на рынке. Поэтому при изучении данной области важно учитывать актуальную информацию по рынку, которая содержится в информационно-аналитических материалах.

Помимо небольшого числа работ описательного характера по анализу рынка, рассмотренных выше, существует огромное количество статистических отчетов по рынку. Изучение аналитических обзоров от международных консультантов, специализирующихся в игровой индустрии, будет способствовать более глубокому пониманию текущих трендов на рынке и динамики роста отдельных сегментов рынка видеоигр за последние несколько лет.

Прежде всего, необходимо отметить тот факт, что методологии оценки объема рынка видеоигр между профессиональными агентствами различаются. Как следствие, можно наблюдать значительные расхождения по объему рынка в денежном выражении (График 1 на основе данных PwC и График 2 по оценкам NewZoo). Однако, в данной работе классификация, представленная на Графике 2, является более предпочтительной ввиду более подробной детализации сегментов рынка.

График 1. Рынок видеоигр в разрезе платформ

Источник: PwC (не включая выручку от продаж аппаратных средств)

Примечание: *Онлайн игры включают в себя MMO, казуальные и социальные игры; **Консольные игры не включают MMO

В то же время результаты, представленные аналитическим агентством PwC, позволяют определить последствия мирового экономического кризиса для рынка видеоигр. Как можно заметить из Графиков 1 и 3, рынок заметно приостановил рост в 2009 году, и произошло почти двукратное падение M&A рынка в период с 2008г. по 2009г. по количеству сделок. Поскольку аналитические данные указывают на значительные изменения на рынке видеоигр в период 2008-2009 гг., то анализ особенностей сделок слияния и поглощения корректнее проводить на временном интервале, начиная с 2010г. Это предотвратит получение смещенных результатов при анализе мультипликаторов сделок (см. Главу 2), вызванных изменением общего настроения инвесторов на рынке в период острого проявления кризиса.

Анализируя данные по рынку за последние три года (График 2), можно заметить, что, во-первых, такой сегмент рынка видеоигр как многопользовательские онлайн игры приобрел огромное значение для отрасли, во-вторых, некоторые из регионов (например, азиатско-тихоокеанский регион, График 2 или Приложение 2) развиты сильнее, чем остальные. Следовательно, рыночные мультипликаторы могут сильно отличаться как в зависимости от видов игр, так и от географического положения поглощаемой компании.

График 2. Рынок видеоигр в разрезе платформ и географии продаж

Источник: Newzoo



График 3. Объем и количество M&A сделок в секторе видеоигр

Кривая консолидации рынка видеоигр (Рисунок 4) также иллюстрирует важность рассмотрения рынка по сегментам, поскольку каждый из сегментов находится на разной стадии развития, и, как следствие, формируются различия в оценках рыночной стоимости компаний.

Размещено на http://www.allbest.ru/

Рисунок 4. Кривая консолидации рынка видеоигр

После детального рассмотрения представленных выше исследований и аналитических обзоров рынка, можно составить следующую систему классификации видеоигр, наиболее полно описывающую всех участников рынка, а также типы разрабатываемых игр (Рисунок 5). Данная система разделена на три уровня:

1. На первом этапе происходит определение типа компании в зависимости от сегмента рынка, в котором она ведет основную операционную деятельность:

Разработчик межплатформенного ПО

Дистрибьютор

Разработчик видеоигр

Издатель видеоигр

Розничный торговец

Интернет-провайдер или оператор игровых веб-сайтов

Производитель аппаратного обеспечения

Рекламодатели, оперирующие на видеоигровом рынке

2. На втором этапе происходит разделение игр на онлайн и оффлайн, это обусловлено тем фактом, что онлайн игры обладают уникальными каналами интернет дистрибуции, способностью разработчиков осуществлять продажи напрямую и другими факторами, что может значительно повлиять на оценку стоимости компании.

3. Третий этап включает в себя классификацию игр в соответствии с характерными особенностями игрового контента и используемой платформой:



Размещено на http://www.allbest.ru/

Рисунок 5. Система классификации видеоигр

Источник: расчеты автора

Примечание: *В темно-синем прямоугольнике выделены сегменты рынка, подлежащие дальнейшей классификации на онлайн и оффлайн игры. ** В красном прямоугольнике выделены игры, которые соответствует только категории онлайн игр (MMО и социальные игры)

1.2 Детерминанты оценки стоимости компаний в M&A сделках

Особое внимание важно уделить изучению научных работ по определению факторов оценки стоимости компании в M&A сделках. С целью более полного понимания степени научной проработанности темы настоящего исследования ниже также представлен обзор литературы, описывающей различные аспекты M&A сделок в игровой индустрии.

Определение справедливой стоимости компании, безусловно, является одной из ключевых задач при осуществлении сделок слияния и поглощения, от результата которой зависит исход сделки. На практике компании используют разные подходы к оценке стоимости компании, которые могут быть условно разделены на затратный, доходный и сравнительный подходы (Лысенко, 2013). Доходный подход опирается на тот факт, что стоимость актива (компании-цели) эквивалентна будущей приведенной стоимости доходов, генерируемых данным активом. Затратный подход объединяет в себе метод ликвидационной стоимости и метод оценки чистых активов. Данные методы соответствует принципу, согласно которому покупатель не заплатит больше суммы затрат на создание аналогичного актива или суммы чистых активов, соответственно. Сравнительный подход, в свою очередь предполагает, что стоимость актива может быть определена посредством изучения стоимости аналогичных активов на рынке. Заметим, что доходный и затратный подходы требует наличие подробной финансовой информации о каждой компании, в то время как сравнительный подход требует наличие лишь ограниченного числа финансовых показателей компании (обычно выручка и операционная прибыль до вычета амортизации) и публично доступной информации с рынка. Поскольку большинство сделок по слиянию и поглощению на рынке видеоигр осуществляется с участием частных компаний, у которых отсутствует необходимая информация для применения доходного и затратного подходов, то наиболее релевантным подходом оценки является сравнительный.

Таким образом, в целях настоящего исследования рассмотрим подробнее подход сравнительной оценки, а именно метод сделок (Владимирова, Хлебников, 2009). Определение стоимости компании данным методом подразумевает анализ ценообразования компаний на примере коэффициентов (или мультипликаторов), объединяющих в себе операционные финансовые и рыночные показатели компаний на момент заключения сделки слияния и поглощения (например, «рыночная стоимость компании/выручка за год», «рыночная стоимость компании/прибыль за год»).

Рассматриваемый метод оценки приобрел огромную популярность среди аналитиков и консультантов ввиду следующих причин:

показывает относительную ценность компании, т.е. лучше отражает текущие настроения игроков на рынке, чем другие методы (Damodaran, 2004);

существенно сокращает количество принимаемых субъективных решений по сравнению с методом дисконтированных денежных потоков, где необходимо использовать предпосылки относительно дальнейшего роста выручки компании, структуры капитала и т.д.;

требует меньшее количество расчетов и вычислений по сравнению с затратными и доходными методами.

Однако метод сделок обладает рядом недостатков. Один из наиболее важных заключается в необходимости поиска аналогичных сделок, которые предполагают сходство между финансовыми характеристиками компаний-целей, способом оплаты (денежные средства, акции компании-цели или комбинации обоих), типом инвесторов (стратегический или финансовый) и прочее. Таким образом, совокупность данных факторов оказывает огромное влияние на мультипликаторы, и, следовательно, особое внимание уделяется определению данных детерминант оценки стоимости компаний в сделках.

На практике часто рассматривают уникальные мультипликаторы EV/Revenue и EV/EBITDA, поскольку они могут быть использованы при оценки стоимости компаний в любой отрасли за исключением финансовой (Damodaran, 2004). При этом большинство исследований указывают, что целесообразнее использовать показатель EV/EBITDA (Baker, Ruback, 1999; Chastenet, Marion, 2015). Действительно, EBITDA отражает операционные результаты деятельности компании, а, следовательно, мультипликатор EV/EBITDA представляет стоимость компании как сумму будущих ежегодных операционных результатов компании, отраженных в текущем показателе EBITDA, на момент совершения сделки. Аналогом такого метода является дисконтирование денежных потоков, что и объясняет выбор EV/EBITDA как более предпочтительного мультипликатора. Тем не менее, Выручка компании наименее подвержена манипуляциям в финансовой отчетности (Ивашковская, 2009, стр. 4), и как следствие, чаще применяется при исследовании компаний из разных отраслей. Более того, на практике гораздо чаще встречается информация о мультипликаторе EV/Revenue, чем о EV/EBITDA. В частности, только 12,5% всех сделок в видеоигровой индустрии, а именно в сегментах разработчиков и операторов видеоигр были осуществлены с участием публичных компаний-целей. Таким образом, было выявлено, что наиболее подходящим мультипликатором в рамках настоящей работы является EV/Revenue.

В финансово-экономической литературе широко представлены работы, посвященные исследованию общих или «классических» факторов, влияющих на показатели оценки стоимости компаний (например, мультипликатор EV/Revenue) в процессе заключения M&A сделок. Примерами таких факторов являются:

типы сделок: трансграничные или локальные (Dewenter, 1995)

тип компании-покупателя: как правило, стратегические инвесторы приобретают компании по премиальной оценке, по сравнению с финансовыми инвесторами (Dittmar, Li, Nain, 2008). Более того, при прочих равных публичные компании платят премию, приобретая компании, по сравнению с частными компаниями-покупателями (Bargeron и другие, 2007);

доля приобретаемого пакета: как правило, покупка контрольной доли в компании-цели сопровождается премиальной оценкой (Elkjaer, 2009, стр. 13).

регион, в котором компания-цель осуществляет основной вид деятельности (Gaio, 2009; Foster, Kasznik, 2011)

индустрия, в которой работает компания-цель (Foster, Kasznik, 2011)

способ оплаты сделки (Berkovitch, Narayanan, 1990);

различные исторические финансовые показатели компании-цели, такие как рентабельность по EBITDA и рентабельность собственного капитала (Acosta-Calzado, Murrieta-Romo, 2010) эффективная налоговая ставка и среднегодовой показатель роста выручки (Damodaran, 2012);

и многие другие.

В частности, во многих подобных исследованиях продемонстрирована важность понимания и учета анализируемого контекста (Bruner, 2004, стр. 66). Более того, в некоторых статьях указано, что общие факторы успеха транзакций не обладают достаточной объясняющей силой (King, Dalton, Daily, Covin, 2004). Следовательно, для получения более точных и корректных детерминант оценки стоимости компаний необходимо исследовать каждую отрасль в отдельности, принимая во внимание особенности индустрии.

Количество научных работ, посвященных исследованию M&A сделок или детерминант стоимости компаний с учетом специфики игровой индустрии, на данный момент невелико. Как правило, в таких работах рассматриваются небольшие сегменты рынка видеоигр какой-либо определенной страны. Для понимания того, какой объем исследований по изучению факторов, определяющих стоимость компаний на рынке видеоигр, был уже осуществлен в научном сообществе, рассмотрим основные известные работы в данной области.

Так, в работе (Yoo, Yang, Kim, Heo, 2012), посвященной анализу ключевых драйверов роста стоимости корейских стартапов, занятых в индустрии онлайн игр, авторы продемонстрировали, что такие факторы как этап разработки продукта, рыночная доля, ключевой талант и технологическая компетенция, являются ключевыми критериями (стр. 253) при объяснении рыночной стоимости компаний.

Примером еще одной исследовательской работы является статья (Razvan, 2011, стр. 41), в которой автор использует вероятностную модель для определения факторов, объясняющих вероятность стать компанией-целью для издателей. Основными факторами являлись:

степень эксклюзивности отношений разработчика и издателя одной и той же игры (разработка игр для нескольких издателей повышает шансы быть купленным одним из издателей);

успешность разрабатываемых игр (высокие продажи игр разработчика повышают его шансы быть приобретенным);

возможность создания сиквелов игр (чем больше шансов на потенциальную разработку сиквелов игр, тем больше шанс быть купленным)

Результаты, полученные исследователем, действительно, объясняют активность на американском рынке M&A сделок в сегменте консольных видеоигр. А именно эксклюзивность отношений между разработчиком и издателем (у разработчика только один издатель) понижает вероятность быть купленным на 4%, успешность разрабатываемых игр повышает вероятность на 13.6% и возможность создания сиквелов на 2%. Важно отметить, что все результаты, полученные автором, являются статистически значимыми (стр. 47-52).

При поиске работ российских авторов релевантных научных статей обнаружено не было. Скорее всего, это связано с тем фактом, что российский рынок видеоигр является достаточно маленьким (1.3 млрд. долл. в 2012г. или 2% от общего рынка, Приложение 2).

Таким образом, анализ литературы, посвященной изучению детерминант оценки стоимости компаний, позволил не только обосновать выбор мультипликатора и факторы, которые необходимо учитывать в процессе анализа, но и продемонстрировать новизну данной научно-исследовательской работы. Данная работа, насколько мне известно, является первой попыткой рассмотрения игрового контента в качестве детерминанты рыночного мультипликатора по сделкам слияния и поглощения на рынке видеоигр.

1.3 Тестирование эффективности M&A сделок

Многочисленные научные работы по изучению эффективности различных событий (например, анонсирование сделок слияния и поглощения), как правило включают в себя несколько основных подходов к измерению результативности (Wang, Moini, 2012, стр. 2; Schoenberg, 2006, стр. 2): изучение доходности акций, анализ финансовой отчетности, опросы менеджеров и экспертов, а также анализ ограниченной выборки (case studies). Тем не менее, большинство эмпирических исследований (Martynova, Renneboog, 2008; Cording и другие, 2010) указывают на особую популярность подхода, основанного на анализе доходности акций компаний. Безусловно данный подход обладает рядом недостатков, например, он предполагает эффективность фондовых рынков.

В частности, то, что рынок быстро учитывают полученную информацию о сделках в ценах акций компаний-участников. Более того, считается, что рынок автоматически отражает в акциях всю будущую приведенную стоимость денежных потоков. Еще одним недостатком модели являются события компании, не относящиеся к M&A сделкам, но учитываемые при анализе эффективности (например, пресс-релиз новой игры). Однако, у данного подхода есть и ряд преимуществ: способность выявлять добавочную стоимость для инвесторов, создаваемую в процессе заключения сделки; возможность анализа более коротких временных горизонтов по сравнению с подходом, где рассматриваются показатели из финансовой отчетности. В свою очередь метод анализа финансовых показателей позволяет оценить долгосрочное влияние сделок по слиянию или поглощению на операционные финансовые результаты объединенной компании. В то же время у данного метода есть существенный недостаток, заключающийся в рассмотрение длинного временного периода, как правило, больше двух лет. Это ведет к тому, что при анализе эффективности данным методом корректно рассматривать только слияния и поглощения с участием компаний, которые не осуществляли других сделок в исследуемый временной период, иначе полученные результаты будут сильно искажены ввиду возможных учтенных эффектов от других сделок или событий, не связанных с ними (например, выпуск новой игры). Заметим, что поскольку большинство компаний-целей и инвесторов на рынке видеоигр осуществляют несколько M&A сделок в течение двухлетнего периода, и выпуск новых игр оказывает значительное влияние на финансовые результаты компании (Porter, Norton, 2013, стр. 709; GameStop пресс-релиз от 19.05.2011), в рамках настоящей работы данный метод неприменим.

Аналогичный вывод был сделан и в отношении оставшихся двух методов, опрос менеджеров или экспертов и анализ конкретных случаев. Во-первых, поскольку исходная выборка настоящего исследования не содержит опросов, то данный метод невозможно осуществить.

Во-вторых, несмотря на свои преимущества, которые включают возможность определения скрытых аспектов сделок (Хусаинов, 2008, стр. 17) и новых закономерностей, анализ небольшого количества сделок позволяет получить результаты только для определенной совокупности сделок, что не гарантирует получение аналогичных результатов по всему рынку. Поскольку целью настоящего исследования является анализ результативности сделок в целом по всему рынку, то данный метод не может рассматриваться в качестве инструмента анализа результативности сделок.

Таким образом, для достижения целей настоящей работы будем рассматривать метод анализа эффективности сделок, предполагающий изучение доходности акций. Как известно, данный подход основан на вычислении аномальной доходности акции, под которой подразумевают разницу между фактической доходностью акции и ее «нормальной» или ожидаемой доходностью (Jain, 1985, стр. 213).

В научной литературе широко известно, что результаты исследований аномальной доходности как для компании-цели, так и для компании-покупателя, во многом зависят от применяемой методологии. В частности, особое внимание уделяется определению ожидаемой доходности. Наиболее популярными способами определения ожидаемой доходности ценных бумаг являются: модель со средней скорректированной доходностью, рыночная модель, модель с рыночной скорректированной доходностью и трехфакторная модель Фамы-Френча. Более того, к важному элементу методологии оценки эффективности относится выбор исследуемого периода, в течение которого происходит оценка ожидаемой доходности (оценочный или прогнозный период) и последующее измерение аномальной доходности в окне событий (см. Рисунок 6). Стоит отметить, что в научной литературе используют разные по длительности окна событий, от длинного с продолжительностью 241 день до короткого с продолжительностью 3 дня, включая день события (Таблица 2).



Размещено на http://www.allbest.ru/

Рисунок 6. Исследуемый период времени в событийном анализе

Источник: расчеты автора

Таблица 2. Примеры исследований, тестирующих эффективность событий путем анализа аномальной доходности, и их анализируемые временные интервалы

Источник и дата	Временные периоды
	Оценочный	Окно событий
Weston и другие, 2011 (стр. 172)	[-240; -41]	[-40; 40]
Jain, 1985 (стр. 215)	[-480; -361]	[-120; 120]
Погожева , 2013 (стр. 35-36)	[-135; -16]	[-15; 15]
MacKinlay, 1997 (стр. 17)	[-270; -21]	[-20; 20]
Григорьева, Гринченко, 2013 (стр. 58)	[-170; -21]	[-20; 20]
Shah, Arora, 2014 (стр. 172)	-	[-10; 10]
Mulherin, Boone, 2000 (стр. 131)	-	[-1; 1]

Источник: расчёты автора

Как можно заметить, наиболее популярным периодом является узкое окно событий [-20; 20]. В рамках данной работы также будет использовано узкое временное окно по следующим причинам: во-первых, предполагается высокая эффективность рынка, следовательно, информация о сделке должна быстро отразиться в ценах акций компаний-участников; во-вторых, анализ короткого периода позволяет избежать или снизить влияние других событий на акции компаний (например, пресс-релиз новой игры).

Также необходимо обратить внимание на оценочный период, который используется для построения статистических моделей, оценивающих ожидаемую доходность акций.

Часть исследований рассматривает прогнозный период продолжительностью от 120 до 150 дней, однако анализ более широкого периода времени (например, 200 дней) позволит сгладить возможные эффекты от других событий, а также распределения доходностей будут лучше соответствовать нормальному согласно центральной предельной теореме (Чернова, 2007, стр. 126). Следовательно, при исследовании результативности сделок слияния и поглощения, а точнее влияния данных событий на цены акций компаний-участников будет рассматриваться оценочный период продолжительностью 200 дней.

Таким образом, на основе анализа литературы по рассмотрению эффективности различных новостных событий, было выявлено, что корректно применять метод событийного анализа, а именно, определить изменение аномальных доходностей акций компаний-участников. Более того, исследуемый период в 241 день, где 200 дней относятся к оценочному периоду, а оставшиеся 41 - к окну событий, является наиболее оптимальным в рамках настоящего исследования.



Глава 2. Методологическая основа работы

2.1 Тестируемые гипотезы

Как было обозначено выше в работе, основной целью данного исследования является обнаружение специфичных для рынка видеоигр факторов, оказывающих влияние на оценку стоимости компании-цели и анализ результативности M&A сделок в данном секторе. Основываясь на анализе научной литературы и отчетов по рынку целесообразно протестировать следующие три гипотезы.

Мультипликатор EV/Revenue по M&A сделкам на рынке видеоигр зависит от сегментов, в которых компании-цели ведут свою основную операционную деятельность.

Мультипликатор EV/Revenue по M&A сделкам на рынке видеоигр зависит от продуктовой линейки (или видов игр), разрабатываемых или обслуживаемых компаниями-целями.

Сделки слияния и поглощения с участием компаний-целей, являющихся разработчиками или операторами видеоигр, способны оказывать значимое влияние на доходности акций компаний-покупателей.

2.2 Критерии формирования и первичный анализ выборки

Для достижения целей настоящего исследования были рассмотрены сделки слияний и поглощений во всех странах мира. В качестве основного источника информации по транзакциям использовалась база данных S&P Capital IQ. В первоначальную выборку вошли сделки, отвечающие следующим критериям:

1. Сделки с датой объявления в период с 1 января 2010 года по 1 апреля 2016 года;

2. Наличие ключевого слова в описании основной операционной деятельности поглощаемой компании: “game”;

3. Статус сделки: анонсированные и завершенные сделки;

4. Тип сделки в соответствии с классификацией S&P Capital IQ: “mergers and acquisitions”;

5. Значение мультипликатора EV/Revenue расположено в диапазоне от 0 до 18 включительно.

Количество сделок слияния и поглощения, попавших в выборку, составило 764. Поскольку в изначальную выборку попали компании-цели, не имеющие непосредственного отношения к видеоигровой индустрии (например, компании, занимающиеся игорным бизнесом или занятые в финансовом секторе), то было необходимо обработать все наблюдения вручную. Таким образом, после детального изучения вышеуказанной базы сделок количество наблюдений в выборке сократилось до 200.

2.3 Методика построения системы классификации видеоигр

Как было отмечено в главе 1 (1.1), все компании, занятые на рынке видеоигр, можно группировать по классам в соответствии со схемой на Рисунке 5. Однако с целью формирования универсальной системы классификации компаний-целей, используемой для дальнейшего анализа, необходимо видоизменить предложенную выше в работе систему по следующим причинам:

1. Прежде всего, в процессе анализа итоговой выборки было обнаружено, что такие участники рынка как разработчики межплатформенного ПО и производители аппаратного обеспечения имеют одинаковые по значению мультипликаторы EV/Revenue. Ввиду этого, при последующем анализе данных можно пренебречь различиями между двумя группами и объединить их в одну группу с общим названием «ware» (График 4).



График 4. Анализ групп «Разработчик межплат. ПО» и «производитель аппар. ПО»

Источник: расчеты автора (на рисунке изображены коробчатые диаграммы, отображающие медиану, первый и третий квантили, а также максимальные и минимальные значения соответствующей группы)

Примечания: (*) Hardware - это производители аппаратного обеспечения; Middleware - разработчики межплатформенного программного обеспечения; (**) автор объединяет две группы компаний-целей в общую группу под названием «ware»

3. Аналогичная корректировка использовалась в отношении групп, представляющих различные игровые платформы «ПК-игры» и «ТВ и консольные игры», поскольку большинство разработчиков проектируют игры сразу для обеих платформ и, как следствие, количество наблюдений с разработчиками только консольных игр крайне мало. Это обусловлено тем фактом, что современные поколения игровых консолей обладают схожими техническими характеристиками с персональными компьютерами, а следовательно, для охвата более широкой аудитории выгоднее производить контент одновременно для двух платформ.

4. Принимая во внимания тот факт, что небольшая часть компаний являлась одновременно издателем и разработчиком видеоигр, и часть разработчиков производили игровой контент для нескольких платформ (около 7% от выборки), классификация данных компаний осуществлялась в соответствии с их основной операционной деятельностью. Другими словами, компания относилась к группе по виду деятельности, который обеспечивает большую долю в выручке компании.

С учетом внесенных поправок была сформирована итоговая система классификации, представленная ниже (Рисунок 7).

Размещено на http://www.allbest.ru/

Рисунок 7. Итоговая система классификации компаний-целей в M&A сделках

Источник: расчеты автора

Примечания: (*) ware - группа производителей аппаратного обеспечения и разработчиков межплатформенного ПО

Важно подчеркнуть, что классификация поглощаемых компаний в соответствии с предложенной схемой также осуществлялась вручную, так как S&P Capital IQ группирует компании по своей собственной системе секторов, неприменимой в данном случае.

2.4 Выборка сделок для исследования эффективности

Помимо анализа влияния отраслевых факторов на мультипликатор EV/Revenue, также необходимо изучить результативность сделок слияния и поглощения. Поэтому требуется сформировать выборку сделок на которой будет проведен анализ эффективности, а также собрать необходимые данные, а именно доходности акций компаний-участников сделки.

С целью проведения анализа результативности сделок были выбраны слияния и поглощения с участием компаний-целей, являющихся разработчиками или операторами видеоигр. Также при формировании выборки применялись следующие критерии отбора:

1. На исследуемом временном интервале компания-покупатель не осуществляла других сделок слияния и поглощения, помимо рассматриваемого события.

2. Акции компании-покупателя торговались в течение всего исследуемого периода времени.

Общее количество сделок, удовлетворяющих данному критерию, составило 35 сделок. При формировании поиске доходностей акций компаний-покупателей использовались следующие базы данных: S&P Capital IQ, Yahoo Finance, Quandl и Google Finance.

2.5 Методы по определению факторов оценки стоимости компаний

Как правило, в эмпирических исследованиях по выявлению отношений между несколькими переменными или при использовании факторного анализа используют корреляционный или регрессионный методы анализа.

Корреляционный анализ помогает количественно определить тесноту и направление связи между исследуемыми переменными. Как правило, для расчетов корреляции между переменными используют коэффициент корреляции Пирсона, а для оценки силы взаимосвязи применяют шкалу Чеддока: если коэффициент принимает значение от 0,1 до 0,3 - связь слабая; от 0,3 до 0,5 - умеренная; от 0,5 до 0,7 - заметная; от 0,7 до 0,9 - высокая. Основным преимуществом данного метода является наглядность и простота использования, однако метод не помогает определить причинно-следственную связь между переменными. В свою очередь регрессионный анализ представляет собой один из наиболее популярных подходов при анализе статистической информации, который определяет не только зависимость между зависимой (детерминируемой) переменной и факторами (детерминирующими переменными), но и позволяет установить причинно-следственную связь между ними.

Используя данный метод, исследователь определяет количественное влияние факторов на объясняемую переменную. Более того, регрессионный анализ позволяет определить значимость факторов по отдельности и всей модели в целом.

В рамках данного научного исследования для проверки предложенных гипотез 1 и 2 будет применен регрессионный анализ ввиду его преимуществ перед корреляционным анализом.

Для определения значения коэффициентов при объясняющих переменных на практике часто используют метод наименьших квадратов (МНК). Однако результаты, полученные путем МНК могут быть некорректными ввиду нарушения предпосылок теоремы Гаусса-Маркова из-за гетероскедастичности, мультиколлинеарности, автокорреляции или эндогенности регрессоров. Например, гетероскедастичность ошибок регрессии при большом количестве наблюдений ведет к неэффективности полученных оценок, а также к получению неверных доверительных интервалов. Вследствие этого при анализе влияния факторов на мультипликаторы при помощи МНК будут использоваться специальные статистические тесты и корректировки, представленные в приложении настоящего исследования, с целью получения корректных результатов модели.

Одной из основных целей исследования является определение особенностей сделок M&A на рынке видеоигр, и в качестве таковых было принято рассматривать взаимосвязь между величиной мультипликатора (EV/Revenue) и специфичных отраслевых факторов, включающих в себя: принадлежность к сегменту рынка и характеристики продуктовой линейки компании. Поэтому применительно к данной работе эндогенной переменной выступает мультипликатор EV/Revenue, а объясняющими переменными являются как отраслевые факторы, так и общие детерминанты оценки стоимости компаний, указанные в обзоре литературе (например, способ оплаты сделки, различные исторические финансовые показатели компании-цели и другие). В качестве отраслевых факторов будут рассмотрены сегмент, в котором оперирует компания-цель, поддерживаемая компанией-целью игровая платформа и тип разрабатываемой игры.

Исследуемые отраслевые факторы по определению характеризуются высокой линейной зависимостью между собой (например, если компания разрабатывает игры для мобильных устройств, то в большинстве случаев это онлайн игры). Таким образом, для проверки тестируемых гипотез потребуется проанализировать три группы регрессионных моделей и их вариаций для решения проблемы мультиколлинеарности исследуемых параметров:

где независимыми переменными выступают следующие переменные:

- Developer - дамми-переменная, принимающая значение 1 в случае если компания-цель является разработчиком, и 0 - в случае рекламодателя.

- Дамми-переменные Distibutor (дистрибьютор), Operator (оператор), Publisher (издатель), Retailer (розничный продавец) и Ware (производители ПО и аппаратного обеспечения) строятся по аналогичному принципу, т.е. принимают значение 1 если сегмент их параметру, и 0 - рекламодатель;

- PublicT - дамми-переменная, принимающая значение 1 в случае если компания-цель является публичной, и 0 - частной;

- Control - дамми-переменная, принимающая значение 1 в случае если была осуществлена покупка контрольного пакета акций (больше 50%) компании-цели, и 0 - иначе;

- Transaction - дамми-переменная, принимающая значение 1 в случае если сделка являлась локальной, и 0 - трансграничной;

- PaymentC - дамми-переменные, принимающая значение 1 в случае если в качестве способа оплаты сделки выступала комбинация денежных средств и акций и, 0 - денежные средства;

- PaymentE - дамми-переменная, принимающая значение 1 в случае если способом оплаты сделки являлись акции компании-цели, и 0 - денежные средства

- ROE - рентабельность собственного капитала компании-цели в момент сделки;

- Tax - эффективная налоговая ставка компании-цели в момент сделки;

- Type - дамми-переменная, принимающая значение 1 в случае если сделку осуществлял стратегический инвестор, и 0 - финансовый;

- PublicB - дамми-переменная, принимающая значение 1 в случае если покупатель является публичной компанией, и 0 - частной;

- margin - рентабельность компании-цели по EBITDA в момент сделки;

- g - рост выручки компании-цели за год до осуществления сделки.

где новыми независимыми переменными являются:

- Mobile - дамми-переменная, принимающая значение 1 в случае если компания-цель является разработчиком или оператором, а также игра, созданная разработчиком или поддерживаемая оператором предназначена для мобильных и планшетных устройств, и 0 - если тип компании-цели отличается от вышеуказанных;

- PC/Console - дамми-переменная, принимающая значение 1 в случае если компания-цель является разработчиком или оператором, а также игра предназначена для ПК или консольных устройств, и 0 - если тип компании-цели отличается от вышеуказанных;

где новыми независимыми переменными являются:

- MMО - дамми-переменная, принимающая значение 1 в случае если компания-цель является разработчиком или оператором, а также игра, созданная разработчиком или поддерживаемая оператором, является многопользовательской онлайн игрой, и 0 - иначе;

- Offline - дамми-переменная (аналогичная предыдущей), принимающая значение 1 в случае если игра является оффлайн игрой, и 0 - иначе;

- Social - дамми-переменная (аналогичная предыдущей), принимающая значение 1 в случае если игра предназначена для социальных сетей, и 0 - иначе.

2.6 Методы анализа эффективности M&A сделок

Как было отмечено в обзоре литературы, для изучения эффективности сделок слияния и поглощения рассматривают аномальную доходность акций.

Под аномальной доходностью понимают случайную величину (Jain, 1985, стр. 213):

где: - доходность ценной бумаги i-ой компании в момент времени t;

- ожидаемая или «нормальная» доходнось ценной бумаги i-ой компании для момента времени t;

- день в анализируемом окне событий, где - день, когда была анонсирована сделка с участием i-ой компании, ;

Доходность ценных бумаг представлена следующим отношением:

где - цена закрытия акции в день t, - дивидендные выплаты за период t.

Поскольку для определения ожидаемой доходности исследователи используют сразу несколько методов, и каждый из методов обладает своими преимуществами и недостатками, то для более полного представления анализа эффективности сделок в работе будут применены все наиболее известные методы. Краткое описание каждого из методов оценки «нормальной» доходности представлено ниже: модель со средней скорректированной доходностью предполагает, что ожидаемая доходность ценной бумаги равна среднеарифметической доходности акции в течение прогнозного периода, где :