В современной науке сформировался определенный набор подходов к решению данной проблемы. Основной целью каждого из них является необходимость выявления определенных связей между изучаемым фактором и СК. Более того, нередко в работах наблюдаются попытки установить неявные, неочевидные связи между переменными, которые также могут иметь существенное значение и оказывать влияние на выбор источников финансирования. Каждый метод способен удовлетворить определенные требования исследователя, но в то же время они могут иметь и свои недостатки. Выделим основные способы, с помощью которых можно определить влияние некоторой детерминанты на СК компании.

Анкетный опрос

Данный метод представляет собой опрос по определенному заранее набору идентичных вопросов финансовых директоров и лиц, принимающих финансовые решения, из различных компаний, представляющих интерес в исследовании. Как правило, такой подход используется для определения недоступных в публичных источниках факторов, влияющих на СК. Анкетный опрос позволяет провести более детальное исследование по сравнению с прочими разработанными подходами, поскольку помогает определить детерминанты, которые не могут быть отражены в отчетностях компаний.

На первом этапе данный метод представляет собой составление анкеты на основе имеющихся данных в научной литературе. Могут быть представлены различные типы вопросов, например, предполагающие бинарный выбор («да» или «нет»), или в виде шкалы Лайкерта (от 1 до 5).Далее происходит апробация анкеты на узком круге компаний и их представителей и дальнейшая корректировка анкет для уточнения результатов и более широкого покрытия вопросов исследования. Затем проводится анкетирование представителей генеральной выборки компании и проводится качественный и количественный (как правило, с использованием методов статистики) анализ.

Очевидно, данный метод позволяет получить более точные результаты, касающиеся детерминант, влияющих на СК, при должном ответственном подходе к ответам опрашиваемых представителей компаний. Однако такой подход является очень трудоемким, требует колоссальных затрат времени не только исследователя, но и лиц, отвечающих на вопросы. Именно по этой причине в литературе данный подход распространен достаточно слабо и относится в основном к прошлому десятилетию, когда уровень раскрытия информации компаниями был на более низком уровне в сравнении с текущим моментом времени ([Beattie, Goodacre, Thomson, 2006], [Bancel, Mittoo, 2004], Brounen, deJong, Koedijk, 2004]. В России такой тип исследования СК применялся лишь однажды в работе авторов Осколковой и Лучкиной[Осколкова, Лучкина, 2013].

Корреляционный анализНа основе бакалаврской выпускной работы Козлова А.С. «Влияние публикации финансовой отчетности на цены акций», НИУ ВШЭ, 2018

Самым простым подходом можно считать корреляционный анализ. Его суть заключается в том, что автор пытается установить некоторую степень зависимости между показателями, которая бы была статистически значима. Данный метод помогает исключить из исследования лишние факторы, взаимосвязь между которыми не наблюдается. Основной недостаток данного подхода заключается в том, что он не позволяет установить причины той или иной связи, а также не дает представления о том, какой именно показатель влияет на другой (т.е. направление зависимости установить нельзя).

При этом в рамках работ по изучению детерминант СК данный метод часто становится предварительным этапом анализа имеющихся данных и применяется для описания выборки перед проведением более сложных вычислительных действий.

Регрессионный анализ

Данный метод является более сложным и точным по сравнению с предыдущим. В данном случае всегда имеется зависимая переменная, которую часто условно обозначают как Y, и одна или несколько объясняющих (независимых) переменных, которые могут определяться как Xi, где i - порядковый номер каждого фактора. С помощью построения регрессий авторами достигаются следующие цели. Становится возможным определить, во-первых, численную зависимость между переменными, во-вторых, вклад отдельных регрессоров в изменение критериальной переменной, в-третьих, в совокупности с расчетом тестовых статистик значимость влияния того или иного объясняющего фактора.

В научной среде данный способ применяется не только в контексте изучения СК, он применим во многих вопросах. Поэтому его можно назвать самым изученным и распространенным среди исследователей. Однако применение регрессий сильно затрудняется в условиях таких несовершенств как мультиколлинеарность (наличие сильной линейной зависимости между регрессорами), гетероскедастичность (непостоянная дисперсия ошибок модели, т.е. непостоянство наблюдений), распределение случайных величин, отличное от нормального, и другие. Несмотря на множество возможных проблем моделей, которые в реальной жизни очень часто действительно возникают, данный подход очень популярен, так как позволяет строить прогнозы относительно будущих значений показателей. Основным недостатком подхода вновь можно считать невозможность определения причинно-следственных связей между регрессором и объясняющей переменной.

Анализ детерминант СК всегда предполагает выборку, сформированную для ряда компаний, обладающих каким-либо общим свойством, удовлетворяющим целям исследования, за определенный промежуток времени. Следовательно, при агрегировании таких данных получается панель (сбалансированная при наличии данных по каждой компании за каждый изучаемый период, либо несбалансированная, если отсутствует ряд данных для некоторых компаний или временных промежутков). Основными методами регрессионного анализа панельных данных в исследованиях детерминант структуры капитала являются классическаямодель с фиксированными эффектами ([Ohman, Yazdanfar, 2017],[Dasilas, Papasyriopoulos, 2015],[Koksal, Orman, 2015]), а также более сложный динамический обобщенный метод моментов ([Nevesetal., 2020],[Rani, Yadav, Tripathy, 2020], [Sewpersadh, 2019], [Vo, 2017]). При этом очевидно, что ОММ получил особую популярность среди исследователей в последние годы, поэтому именно данный метод будет использован в рамках данной работы.

Исходя из предыдущего опыта, следует описать ряд преимуществ ОММ.С момента появления данного подхода, впервые описанного в работе Хансена[Hansen, 1982]и получившего развитие в работе Ареллано и Бонда [Arellano, Bond, 1991], ОММ получил широкое распространение, как в теоретической, так и прикладной эконометрике. В парадигме классической статистики наилучшим способом получения наилучшей оценки в модели является применение метода максимального правдоподобия (ML), который вытекает из единого распределения вероятностей данных. Однако в финансовой сфере наличие требуемого для MLраспределения редко встречается на практике. В таком случае исследователям приходится делать неявные предположения о распределении имеющихся данных, что сильно снижает эффективность и состоятельностьML-оценок. При этом в сфере финансов достаточно часто обнаруживается, что данные задаются моментными условиями. В таком случае ОММ-оценка, основанная не на определенном распределении, а на заданных моментных условиях, становится эффективной и состоятельной [Hall, 2007].Более того, ОММ хорошо решает проблемы пропущенных переменных и потенциальной эндогенности данных (коррелированности переменных и случайных ошибок). И, что самое важное в рамках текущего исследования, ОММ наилучшим образом работает на выборках, которые представлены большим количеством компаний, но на небольшом временном промежутке [Vo, 2017].Основным ограничением ОММ является тот факт, что данный метод плохо работает на маленьких выборках [Слуцкин, 2007].Также следует отметить, что ОММ требует включения в модель лаговой зависимой переменной.

2.2 Модель оценки детерминант СК

В рамках текущего исследования, как уже было определено ранее, будет использован регрессионный анализ, а именно динамический ОММ. Такой подход требует построения модели, где в качестве зависимой переменной будет выступать показатель СК, а список объясняющих переменных будут составлять детерминанты, потенциальное влияние которых было описано в Главе 1.

Более подробно следует остановиться на том, как будет рассчитываться показатель СК. Как уже было установлено выше, в литературе существует два основных подхода к определению левериджа: балансовый и рыночный. В отношении долговых обязательств существует единый подход, что их размер следует определять на основе данных, представленных в финансовых отчетах компаний. Расхождения касаются только определения размера собственного капитала. Более частым методом оценки СК является балансовый в связи с большей простотой сбора данных и расширением списка компаний, входящих в выборку, поскольку в таком случае выполнения критерия публичности компаний не требуется. Однако такой подход нередко критикуется. Основное преимущество использования рыночной оценки собственного капитала заключается в том, что цены акций в полной мере отражают справедливое текущее состояние той или иной компании, определяют ожидания касательно ее будущего развития[Li, Islam, 2019]. Именно на основе рыночного подхода будет определяться СК в рамках данного исследования:

где LTDebt - долгосрочный долг (в том числе облигации, банковские кредиты, лизинг), STDebt-краткосрочный долг, MVofCommonStock - рыночная стоимость всех обыкновенных акций компании. Кроме того, следует отметить, что изучение влияния корпоративного управления на СК в российских реалиях возможно только для публичных компаний, поскольку только для них существует законодательно установленное обязательство по раскрытию информации, в том числе данные, касающиеся СДПоложение Банка России от 30.12.2014 N 454-П (ред. от 25.05.2018) "О раскрытии информации эмитентами эмиссионных ценных бумаг"http://www.consultant.ru/document/cons_doc_LAW_175536/.

Список объясняющих переменных, а также способ их вычисления приводится в Таблице 1.

Табл. 1. ИзучаемыедетерминантыСК

Детерминант СК	Способ вычисления	Источник в литературе
Лаговая переменная СК		[Nevesetal., 2020], [Rani, Yadav, Tripathy, 2020], [Sewpersadh, 2019]
Прибыльность компаний(Prof)		[Nevesetal., 2020], [Kieschnick, Moussawi, 2018], [Vo, 2017]
Размер компании(Size)		[Nevesetal., 2020], [Rani, Yadav, Tripathy, 2020], [Kieschnick, Moussawi, 2018]
Структура активов компании(Tang)		[Nevesetal., 2020], [Vo, 2017], [Ohman, Yazdanfar, 2017]
Возможности роста компании(GO)		[Rani, Yadav, Tripathy, 2020], [Ohman, Yazdanfar, 2017], [Koksal, Orman, 2015]
Репутация(Reput)	Количество лет с момента начала листинга акций компаний на бирже	[Dasilas, Papasyriopoulos, 2015], [Abor, Biekpe, 2009]
Недолговой налоговый щит(NDTS)		[Rani, Yadav, Tripathy, 2020], [Ohman, Yazdanfar, 2017]
Коэффициент выплаты дивидендов(Div)		[Rani, Yadav, Tripathy, 2020], [Кокорева, 2012], [Tong, Green, 2005]
Количество членов в СД(BD)	Количество человек, входящих в состав СД компании на 31 декабря отчетного года	[Sewpersadh, 2019], [Jermsittiparsert, Thabhiranrak, 2019],[Kieschnick, Moussawi, 2018]
Доля женщин в СД(WBD)	Процентное отношение числа женщин, входящих в СД, к общему числу членов СД	[Jermsittiparsert, Thabhiranrak, 2019], [Abobakr, Elgiziry, 2015], [Alves, Couto, Francisco, 2014],
Доля независимых директоров в СД(IBD)	Процентное отношение независимых директоров, входящих в СД, к общему числу членов СД	[Sewpersadh, 2019], [Jermsittiparsert, Thabhiranrak, 2019], Habashy [Habashy, 2018]

Прим.: EBIT - прибыльдовычетапроцентовиналогов (миллионырублей), TotalAssets - общиеактивы (миллионырублей), FixedAssets - основныесредства (миллионырублей), Revenue - выручка (миллионырублей), Depreciation - суммаамортизациизаотчетныйгод (миллионы рублей), DividendPaid - выплаченныедивиденды (миллионы рублей), NetIncome - чистаяприбыль (миллионы рублей).

В соответствии с определенными ранее детерминантами структуры капитала будет вычислена модель влияния на СК, которую формально можно представить в следующем виде:

(1)

где i характеризует уникальный номер компании в выборке, а tсоответствует определенному году.

Также, как было определено ранее, дополнительно будет изучено влияние выбранных факторов на долгосрочную и краткосрочную составляющие СК. Для этого также будут сформированы две дополнительные модели:

(2)

(3)

где LTCapStrрассчитывается по формуле

,

а STCapStrопределяется как



Далее будет произведена оценка коэффициентов в моделях с помощью динамического ОММ. После проведения вычислений требуется проверка гипотез о правильной спецификации динамической модели.

Для этого разработан специальный тест Саргана, основная гипотеза которого заключается в том, что избыточные условия (выведенные на основании исходных предположений о рассматриваемой модели) действительно выполняются. Если указанная гипотеза справедлива, то статистика Саргана имеет асимптотическое распределение хи-квадрат с числом степеней свободы, равным количеству избыточных моментных условий.

Также существует еще один способ проверки адекватности ОММ модели. Для этого проводится проверка наличия автокоррелированности ошибок первого порядка в модели, а также отсутствие автокоррелированности второго порядка. При проверке данных условий используется z-статистика. Данный тест основан на том факте, что если ошибки в модели взаимно независимы, то должны выполняться следующие условия: соседние разности коррелированы, а отстоящие на большее количество периодов времени разности, наоборот, не являются коррелированными. Описание тестов представлено в соответствии с Носко В.П., Эконометрика, Книга вторая, Издательский дом «Дело», 2011. - М.

После получения адекватной и правильно специфицированной модели будет представлена интерпретация полученных результатов.

Подводя итог Главы 2, следует напомнить, что в ней были представлены основные способы изучения детерминант СК, определен в качестве базового для данной работы метод регрессионного анализа - ОММ, а также представлены его преимущества относительно прочих подходов. Кроме того, была описана спецификация трех моделей, эмпирические результаты построения которых будут представлены в Главе 3.



Глава 3. Анализ детерминант СК российских компаний

3.1 Гипотезы проводимого исследования

На основе проведенного обзора имеющейся на данный момент литературы, посвященной изучению влияния детерминант СК, в том числе для развивающихся рынков (включая российский), формулируются следующие гипотезы для проведения дальнейшего исследования.

Гипотеза 1. Российские компании придерживаются теории порядка финансирования при формировании СК.

К данному выводу при анализе выборки российских компаний в период 2010-2012 годов пришли в своей работе авторы Леевик и Наседкина[Леевик, Наседкина,2016]. Для проверки данной гипотезы будет анализироваться степень влияния следующих переменных: прибыльность, размер компании, структура ее активов, возможности роста и репутация. Данная гипотеза будет приниматься в том случае, если большинство из указанных детерминант будут значимы, а знак при полученной оценке коэффициента будет соответствовать предпосылкам концепции иерархии.

Гипотеза 2. Недолговой налоговый щит оказывает отрицательное влияние на СКроссийских компаний.

В данном случае предполагается, что российские компании следуют общемировой практике и за счет недолговых инструментов способны замещать свои налоговые издержки.

Гипотеза 3. Выплата дивидендов оказывает отрицательное влияние на СК российских компаний.

Данная гипотеза строится на основании выводов сигнальной концепции. В качестве одной из возможных причин такой взаимосвязи может выступать тот факт, что дивидендная доходность российских компаний является одной из самых высоких в мире. Так, по оценке РБК По материалам https://quote.rbc.ru/news/article/5ae098a62ae5961b67a1c203 для российских компаний этот показатель в среднем составляет 4,5%, а для иностранных всего 0,7%. Соответственно, компании, выплачивающие дивиденды, сигнализируют об очень хорошем финансовом положении, что говорит в пользу выбора внутренних источников финансирования.

Гипотеза 4.1. Чем больше членов СД в компании, тем выше уровень ее долговой нагрузки.

Гипотеза 4.2. Чем выше доля женщин в составе СД компании, тем выше уровень ее долговой нагрузки.

Гипотеза 4.3. Чем выше доля независимых директоров в составе СД компании, тем выше уровень ее долговой нагрузки.

Российские компании в большинстве своем характеризуются низким уровнем открытости. Увеличение числа членов СД, а также изменение традиционной структуры СД (т.е. сокращение доли мужчин и рост числа директоров, являющихся независимыми для компании) могут являться сигналом более высокой степени открытости компании. Для российских организаций, раскрывающих информацию о себе в публичном пространстве, становятся более доступными различные источники финансирования, включая долговые (облигации, еврооблигации и пр.).

3.2. Выборка исследуемых компаний

Отбор компаний происходил на основе «Рейтинга самых дорогих публичных российских компаний - 2019»Интернет-портал «РИА Рейтинг»https://riarating.ru/infografika/20190129/630115992.html. Данный список составляется ежегодно на основе данных Московской биржи, зарубежных бирж, эмитентов и Банка России. Компании ранжируются по капитализации, оценка которой производилась на основе стоимости обыкновенных акций или депозитарных расписок на них на конец декабря 2018 года. Также для расширения выборки был отобран ряд публичных компаний на основе рейтинга «200 крупнейших частных компаний России» Интернет-портал Forbeshttps://www.forbes.ru/rating/367067-200-krupneyshih-rossiyskih-chastnyh-kompaniy-2018-reyting-forbes, составленный Forbesпо итогам 2018 года.В качестве исследуемого периода был выбран временной промежуток с 2009 по 2018 год (всего 10 лет).

Финансовые показатели для дальнейшего определения СК, а также вычисления ее детерминант были собраны с помощью базы данных Bloomberg. Основная сложность при сборе данных для проведения исследования заключалась в низкой степени представленности данных, касающихся корпоративного управления, в системе Bloomberg. О составе и структуре СД по большинству компаний, представленных в выборке, аккумулировались данные на основе опубликованных в сети Интернет (либо на сайтах компаний, либо на Сервере раскрытия информации Интерфакс Интернет-портал Центра раскрытия корпоративной информации «Интерфакс-ЦРКИ» https://www.e-disclosure.ru/) годовых отчетов. В крайних случаях отсутствия годовых отчетов использовались ежеквартальные отчеты эмитента, также опубликованные на сайте Интерфакс. Следует отметить, что в соответствии с Федеральными законами N39-ФЗ «О рынке ценных бумаг»N 39-ФЗ «О рынке ценных бумаг»http://www.consultant.ru/document/cons_doc_LAW_10148/от 22.04.1996, N 208-ФЗ «Об акционерных обществах»N 208-ФЗ «Об акционерных обществах» http://www.consultant.ru/document/cons_doc_LAW_8743/ от 26.12.1995 иПоложением Банка России N454-П от 30.12.2014Положение Банка России N 454-П от 30.12.2014http://www.consultant.ru/document/cons_doc_LAW_175536/ компании, ценные бумаги которых обращаются на бирже, обязаны раскрывать указанную информацию.

Финансовые показатели, использованные в расчетах, использовались на основе подготовленной компаниями МСФО отчетности, поскольку это наиболее популярный метод вычисления результатов деятельности компаний в мире и наиболее авторитетный источник для инвесторов. В случае отсутствия отчетности, соответствующей принципам МСФО, в качестве альтернативы использовался US/UKGAAP, поскольку методологические основы этих подходов достаточно близки и имеют равное признание в мировом финансовом сообществе.

Также следует отметить, что для качественного использования в исследовании ОММ-оценки выборка должна быть построена таким образом, чтобы для каждой входящей в нее компании имелось как минимум 3 последовательных года наблюдений. В результате сбора необходимых данных, а также фильтрации ряда организаций, финансовая информация по которым имела существенные пропуски, была получена несбалансированная панель, в которую вошли 106 крупнейших российских компаний (всего 920 наблюдений, наименьшее число данных получено по переменной независимых директоров - 852).

Следует отметить, что ограниченность выборки обусловлена следующими факторами. Во-первых, для использования возможности вычисления СК на основе рыночного метода - компании должны торговаться на бирже (независимо - на российской или зарубежной). Число публичных российских компаний невысоко. Более того, акции небольших малоизвестных компаний, обращающихся на Московской бирже (как правило, относящихся к третьему уровню котировального списка), являются низколиквидными, соответственно, по таким компаниям трудно достоверно оценить их рыночную стоимость. Таким образом, ряд компаний с наименее ликвидными акциями в выборку не вошли. Во-вторых, в России широко развит сектор банковских и финансовых услуг, однако компании, относящиеся к нему, имеют свою особую специфику формирования СК, следовательно, они также не могут быть включены в исследование.

3.3 Результаты анализа детерминант СК российских компаний

Переходя непосредственно к построению описанной в Главе 2 эконометрической модели необходимо отметить, что все вычисления производились с помощью статистического программного обеспечения Stata 12.1.

Первым делом были изучены описательные статистики имеющихся переменных. Полученные значения приводятся в Табл. 2:

Табл. 2. Описательные статистики использованных при анализе переменных.

Переменная	Кол-во наблюдений	Среднее	Медиана	Ст. откл.	Мин	Макс
CapStr	920	0,3815	0,3623	0,2605	0	0,9566
LTCapStr	920	0,2629	0,2364	0,2096	0	0,8969
STCapStr	920	0,1186	0,0727	0,1397	0	0,8800
Prof	920	9,3694	8,3056	10,7952	-71,2521	111,4048
Tang	920	0,5533	0,5970	0,2246	0,0037	0,9206
Size	920	11,7196	11,6044	1,6856	7,3902	16,8510
GO	920	13,3246	9,7176	32,9754	-98,4101	581,7027
Reput	920	7,2000	7	4,1460	0	23
NDTS	911	4,6984	4,3434	2,7907	0,5630	17,2851
Div	914	32,6236	10,5356	61,4884	0	591,8319
BD	913	9,5696	9	2,5292	5	20
WBD	911	8,1483	6,6667	10,0417	0	60
IBD	852	31,7071	30	22,5770	0	100

По полученным данным можно сделать следующие выводы. Во-первых, в среднем российские компании осуществляют свою политику финансирования таким образом, что долговая нагрузка составляет всего ок. 38% совокупного капитала. При прочих равных компании предпочитают использовать долгосрочный долг, а не краткосрочный для целей обеспечения финансовой стабильности. Также в выборку вошел ряд компаний с нулевым долгом, максимальные значения долга наблюдалось в основном в период 2014-2015 годов.

Средняя доходность совокупного капитала российских компаний на исследуемом временном промежутке составила 9,4%. Отмечаем, что в среднем российские компании достаточно капиталоемкие, поскольку доля основных средств в структуре активов, как правило, более 50%. Переменная размера компании демонстрирует, что в выборку вошли как очень крупные российские компании (так называемые «голубые фишки»), так и значительно более мелкие организации.Показатель возможностей роста демонстрирует, что в выборке представлены фирмы, находящиеся на разных уровнях жизненного цикла: в среднем это процветающие, зрелые компании, однако есть и компании на начальных стадиях развития, и уже стареющие организации. Показатель репутации демонстрирует, что в основном в выборку попали компании, которые вышли на IPO либо незадолго, либо в одно время с началом исследуемого промежутка времени, что говорит о том, что выбранный период затрагивает стадию становления российского фондового рынка. Показательнедолгового налогового щита составляет для российских компаний в среднем 4,7% и не превышает 17,3% на всей исследуемой выборке. Наибольший разброс значений наблюдается по показателю выплаты дивидендов: достаточно большое количество российских компаний не выплачивают дивиденды совсем (358 наблюдений), а у выплачивающих компаний коэффициенты также сильно разнятся.

Что касается корпоративного управления, то можно наблюдать, что в СД типичной российской компании входит 9 человек, при этом в целом по выборке эта величина варьируется от 5 до 20. Отмечается очень низкая гендерная диверсификация в составах СД: как правило, менее 10% СД представляют женщины. При этом в отдельных случаях их доля не превышала 60%. Ситуация с независимыми директорами в российских компаниях существенно лучше. В среднем они составляют около 30% от общего числа директоров в СД.

Далее дополнительно было изучено вероятностное распределение включаемых в модели переменных на основе графического метода. Результаты приводятся в Приложении 1. Нетрудно заметить, что ни один из изучаемых факторов не соответствует нормальному распределению, однако, как уже говорилось ранее, данный недостаток сглаживается при использовании ОММ.

После изучения дескриптивных статистик и вероятностного распределения была построена корреляционная матрица для изучаемых переменных (Табл. 3). Проведенный анализ демонстрирует, что значимая зависимость со СК существует для большинства изучаемых детерминант. При этом отрицательная взаимосвязь наблюдается для переменных прибыльности и дивидендов, положительная - для структуры активов и размера компании, репутации, недолгового налогового щита и количества членов совета директоров. Не выявлено значимой корреляции между СК и возможностями роста, а также долями женщин и независимых директоров в СД. При этом принято считать, что сильная зависимость между переменными возникает при значении коэффициента корреляции более 0,5, таких значений для полученной выборки российских компаний не обнаруживается. Также отмечаем, что с долгосрочным долгом значимо коррелирован тот же набор переменных, за исключением дивидендов. С краткосрочным долгом взаимосвязаны прибыльность, размер компании, недолговой налоговый щит, дивиденды и количество членов СД. Причем со всеми переменными наблюдается отрицательный тип связи.

Далее были произведены расчеты обозначенных в Главе 2 моделейс помощью встроенной в программное обеспечение Stataфункции xtabond. Однако в процессе вычислений возникла проблема правильности спецификации модели при проведении теста Саргана. Для преодоления указанного недостатка используется внедрение в модель робастных стандартных ошибок. В пакете Stataэто реализовано при помощи отдельной функцииvce.Результаты построения всех трех обозначенных ранее моделей (влияния детерминант на СК в целом, а также на долгосрочные и краткосрочные составляющие в отдельности) представлены в Табл. 4.

	CapStr	LTCapStr	STCapStr	Prof	Tang	Size	GO	Reput	NDTS	Div	BD	WBD	IBD
CapStr	1,0000
LTCapStr	0,8450*	1,0000
STCapStr	0,5966*	0,0750	1,0000
Prof	-0,3465*	-0,2850*	-0,2185*	1,0000
Tang	0,1060*	0,1684*	-0,0552	-0,0459	1,0000
Size	0,0865*	0,1995*	-0,1380*	0,0362	0,1948*	1,0000
GO	-0,0757	-0,0587	-0,0531	0,1510*	-0,0638	0,0286	1,0000
Reput	0,1922*	0,2382*	0,0009	-0,0551	0,1621*	0,4172*	-0,1114*	1,0000
NDTS	0,1218*	0,2240*	-0,1091*	-0,0273	0,3495*	0,0856*	-0,1095*	0,1547*	1,0000
Div	-0,1018*	-0,0416	-0,1272*	0,1914*	-0,0336	0,1124*	0,0190	0,0584	0,1057*	1,0000
BD	0,1182*	0,2092*	-0,0952*	-0,0065	0,2181*	0,4313*	0,0090	0,1422*	0,0182	0,0332	1,0000
WBD	-0,0614	-0,0542	-0,0330	-0,0063	-0,0289	-0,2667*	0,0282	-0,1080*	-0,0314	0,0155	-0,0149	1,0000
IBD	-0,0340	-0,0263	-0,0247	0,0546	-0,0506	0,2212*	0,0715	-0,1218*	0,0090	0,0432	-0,0230	-0,0819	1,0000

*обозначает значимость на уровне 1%

Табл. 3. Корреляционная матрица изучаемых переменных

Переменная	CapStr	LTCapStr	STCapStr
Лаг(-1)	0,5644***	0,5185***	0,1981***
Prof	-0,0049***	-0,0029***	-0,0020**
Tang	0,0450	0,1185	-0,1316**
Size	0,1974***	0,1165***	0,0816***
GO	-0,0001	0,0001	-0,0001
Reput	-0,0092**	-0,0047	-0,0052
NDTS	-0,0012	0,0005	0,0003
Div	0,0000	0,0001	-0,0001*
BD	0,0031	0,0032	0,0050
WBD	-0,0004	-0,0015	0,0008
IBD	0,0002	0,0007	-0,0007
Wald chi2	270,7600	181,9300	61,9300
Prob> chi2	0,0000	0,0000	0,0000
AB1 (Prob> z)	0,0000	0,0000	0,0001
AB2 (Prob> z)	0,0720	0,7116	0,0800

Табл. 4. Результаты ОММ-оценки детерминант СК российских компаний в период 2009-2018 годов (*** - значимость на уровне 1%, ** - на уровне 5%, * - на уровне 10%).

Первое, на что обращаем внимание, после проведения расчетов - это то, что тестовая статистика Вальда показывает значимость моделей в целом в каждом из случаев на любом уровне значимости. В каждой из построенных моделей существенной является лаговая переменная СК, что достаточно логично, поскольку, придерживаясь определенной политики финансирования, значения долговых показателей будут зависеть от прошлых значений (в том числе из-за необходимости рефинансировать старые заимствования).

Далее отмечаем, что во всех трех моделях значимое влияние оказывают прибыльность компании и размер компании. Отрицательная связь с прибыльностью говорит о том, что компании в большей степени полагаются на внутренние источники финансирования, чем на внешние (концепция иерархии). Причем за счет прибыли может обеспечиваться как текущая деятельность, так и инвестиционная. При этом размер компании оказывает положительное влияние на долю долга в СК. Связывается это с тем, что бизнес крупных организаций более диверсифицированный и менее рискованный, что облегчает доступ к заемным ресурсам. Причем большим компаниям проще получить займ и на короткий, и на длинный сроки. Кроме того, на СК в целом оказывает отрицательное значимое на 5%-уровне влияние репутация компании, выраженная в количестве лет обращения ее акций. Этот вывод соответствует большинству полученных и описанных в литературе результатов, что связывается с лучшим накоплением прибыли. Однако при изучении долгосрочного и краткосрочного долга в отдельности данная детерминанта становится незначимой. В основной модели СК переменные структуры активов, возможностей роста, недолгового налогового щита, дивидендов и корпоративного управления не показали существенного влияния.

Что касается модели для долгосрочного долга, то значимыми в ней оказались только два уже описанных фактора прибыльности и размера компании. Более интересные результаты получены в модели для краткосрочного долга, поскольку еще два фактора оказались значимыми: структура активов и дивиденды. Отрицательное влияние основных средств на краткосрочный долг обнаруживается, как и в ряде других работ, представленных в обзоре литературы, что, как правило, объясняется тем, что предоставление залога для такого типа заимствований обычно не требуется. Также негативная связь дивидендов с краткосрочной частью СК имела неоднократное подтверждение в литературе, поскольку в краткосрочном периоде дивиденды могут служить сигналом для внешних пользователей одостаточности внутренних ресурсов для финансирования текущей деятельности.

Интересно, что детерминанты возможностей роста и недолгового налогового щита не оказывают значимого влияния ни в одной из моделей. Это говорит о том, что при изменении у компаний потенциала для будущего развития в российских компаниях не существует единого подхода к выбору источников финансирования. Кроме того, у представленных в выборке фирм не наблюдается конкретных методов замещения налоговых расходов недолговыми инструментами.

Важно отметить, что в России на СК компаний не оказывают влияния показатели состава СД. Основным доводом в пользу такого результата может служить низкое качество корпоративного управления в представленных компаниях: фирмы не стремятся быть открытыми и конкурентоспособными. Часто организации контролируются определенным узким кругом лиц, который использует компании, в первую очередь, для удовлетворения личных интересов, соответственно,привлечение института совета директоров не столь востребовано, так как собственность сконцентрирована, а не распылена среди множества миноритариев. Отсутствие значимости показателя доли женщин в СД может объясняться тем фактом, что принятие решения о включении в состав директоров женского пола может быть фиктивным, для повышения авторитета в глазах общественности, при этом существенной роли одна или несколько женщин при принятии решений на уровне СД российских компаний играть неспособны.

Что касается показателя независимых директоров, то оценить их роль также достаточно сложно. В 2014 году Банком России был введен Кодекс корпоративного управления<Письмо> Банка России от 10.04.2014 N 06-52/2463 "О Кодексе корпоративного управления" http://www.consultant.ru/document/cons_doc_LAW_162007/ , который в числе прочего устанавливает требования к определению независимых директоров, а также их достаточному количеству. При этом правила данного Кодекса носят не обязательный, а рекомендательный характер. В большинстве своем российские компании стараются ему соответствовать, в том числе избирая необходимое число независимых директоров. Однако некоторые Кодекс игнорируют (в основном это компании, входящие в котировальный список третьего уровня Московской биржи, который выдвигает наименьшее число требований к эмитентам). При этом до 2014 года формализованного подхода к определению независимых директоров в российской практике не существовало, компании определяли независимость на основе собственных суждений и подходы между компаниями различались. Поскольку изучаемая выборка застала оба периода: до и после введения Банком России Кодекса корпоративного управления, то требуется дополнительная проверка полученных результатов. Для этого на данных исследуемой выборки были построены дополнительные модели, которые включали в себя отдельно период исследования до 2014 года (включительно) и после него. Результаты вычислений представлены в Приложении 2. Во всех моделях (при исследовании как общего долга, так и в разбивке на долгосрочный и краткосрочный) показатель независимых директоров является незначимым, что подтверждает корректность полученных выводов для моделей на полном временном горизонте.

Таким образом, на основе проведенных расчетов можно сделать вывод, что Гипотеза 1 о выборе российскими компаниями концепции иерархии при формировании СК отвергается, поскольку полученные знаки при значимых переменных соответствуют в равной степени как компромиссной теории, так и порядка финансирования. Определенного выраженного подхода в отобранных организациях не наблюдается. Гипотеза 2 о влиянии недолгового налогового щита также отвергается поскольку эта переменная оказалась несущественной в каждой из трех моделей. Гипотеза 3 принимается для модели, изучающей краткосрочный долг, поскольку переменная дивидендов в соответствии с предположением оказывает значимое отрицательное влияние.Все гипотезы, касающиеся корпоративного управления, также отвергаются, поскольку во всех моделях детерминанты, связанные с СД, не оказывают существенного влияния.

Напоследок была произведена дополнительная проверка качества анализируемых ОММ моделей. Поскольку уже были введены робастные стандартные ошибки, то вычисление статистики Саргана не проводится (его реализация при таком типе ошибок в принципе невозможна). В таком случае остается только проверка автокоррелированности ошибок первого и второго порядка. Результаты для каждой из моделей приводятся в конце Таблицы 4. Нетрудно заключить, что гипотеза об отсутствии автокоррелированности ошибок первого порядка отвергается на любом уровне значимости для всех моделей. При этом автокорреляция ошибок второго порядка отсутствует для модели с долгосрочным долгом на любом адекватном уровне значимости, а для общей модели и с краткосрочной составляющей - на пятипроцентном и меньших уровнях. Таким образом, проведенные тесты говорят в пользу адекватности построенных моделей.

Также дополнительным способом проверки полученных результатов может служить проведение расчетов с использованием более традиционного подхода к определению размера собственного капитала - балансовому. Для этого вместо использования рыночной капитализации компании берется значение собственного капитала из финансовой отчетности компании. Расчет прочих переменных, используемых в моделях, остается прежним. Результаты оценки влияния описанных ранее детерминант на СК, определенную балансовым методом, приводятся в Приложении 3. Нетрудно заметить, что в целом проведенные расчеты подтверждают полученные ранее выводы касательно выдвинутых гипотез. Результаты модели для долгосрочного долга полностью совпадают с ранее полученными, для краткосрочного - незначимыми становятся структура активов, размер компании и коэффициент выплаты дивидендов.

Интересные выводы можно сделать относительно модели с общей СК: несмотря на то, что при балансовой оценке собственного капитала теперь не оказывает влияния фактор репутации, в данном случае получается значимым показатель количества членов СД. Это единственный случай среди всех представленных в данной работе моделей.Согласно проведенным расчетам, чем больше человек входит в состав СД, тем больше организация привлекает заемных средств. Таким образом, в данном случае находит подтверждение Гипотеза 4.1. На основе полученного в модели результата, можно сделать вывод, что при принятии решений касательно финансирования деятельности компании члены СД российских компаний, в первую очередь, опираются на данные, представленные в финансовой отчетности, а не на рыночную стоимость акций компании. Кроме того, в пользу такого вывода говорит тот факт, что цены акций могут быть подвержены влиянию общерыночных эффектов, ликвидности, спекуляциям рыночных игроков, на что менеджмент и СД не может повлиять при принятии решений о формировании СК.



Заключение

В рамках текущей работы был проведен анализ факторов, влияющих на структуру капитала крупнейших публичных российских организаций. В исследуемую выборку вошло 106 компаний, акции которых обращаются на российской и международных фондовых биржах. Период анализа составил 10 лет (с 2009 по 2018 годы) и включал в себя временной промежуток выхода из глобального финансового кризиса 2008 года, а также напряженные 2014-2015 года. Таким образом, полученные данные были агрегированы в несбалансированную панель, состоящую из 920 наблюдений. Исследование детерминант проводилось не только для структуры капитала в целом, но и для долгосрочной и краткосрочной составляющих в отдельности. Величина собственного капитала определялась на основе рыночных цен акций.

Основным итогом работы стал вывод о том, что российские компании не придерживаются какой-либо одной традиционной концепции формирования СК (компромисса, либо порядка финансирования).При этом выявлено лишь два фактора, которые оказывают значимое влияние в каждой модели: прибыльность и размер компаний. При этом с долгом в целом также отрицательно значимо связана репутация, а с краткосрочным долгом - структура активов компании и выплата дивидендов. Все это говорит о том, что российские компании придерживаются абсолютно разных подходов при выборе источников финансирования своей текущей деятельности и будущего развития. Также впервые для российского рынка было изучено влияние корпоративного управления на СК. В качестве детерминант были выбраны количество членов СД, а также доли входящих в них женщин и независимых директоров. Исследование показало, что эти факторы не оказывают значимого влияния ни в одной из моделей. Это объясняется низким уровнем корпоративного управления в российских компаниях и высокой долей концентрации компаний в руках определенного узкого круга лиц.

В ходе проведения эконометрического анализа потребовалась корректировка моделей с помощью робастных стандартных ошибок. После проведения всех ОММ вычислений с помощью статистики Вальда и тестов на наличие автокорреляции первого и второго порядка была установлена адекватность полученных результатов.

Для дальнейших исследований предметом интереса может стать поиск прочих, менее очевидных факторов, влияющих на выбор российскими компаниями источников финансирования. В качестве одного из таких факторов предлагается изучить показатель ESG (экологическое, социальное и корпоративное качество компаний). Соответствие ESGпринципам в последние годы декларируется многими компаниями, в том числе российскими, как основа осуществляемой ими деятельности. Интересно изучить как такое ответственное поведение сказывается на СК. Также возможным направлением исследования может стать выделение кризисных временных периодов, либо поиск отличительных отраслевых характеристик, влияющих на выбор источников финансирования. Изучение российских компаний может быть продолжено на выборке организаций, принадлежащих государству, поскольку таких фирм большое количество, в том числе крупных. Таким образом, несмотря на широкую изученность детерминант СК, все еще остается широкое поле для исследования российских компаний.



Список литературы

1. Федеральный закон "Об акционерных обществах" от 26.12.1995 N 208-ФЗ.

2. Федеральный закон "О рынке ценных бумаг" от 22.04.1996 N 39-ФЗ.

3. Положение Банка России «О раскрытии информации эмитентами эмиссионных ценных бумаг» от 30.12.2014 N454-П.

4. <Письмо> Банка России"О Кодексе корпоративного управления" от 10.04.2014 N 06-52/2463 "О Кодексе корпоративного управления".

5. Ивашковская, И.В., Макаров, П.В. Действуют ли классические концепции выбора структуры капитала на развивающихся рынках? Эмпирический анализ компаний Восточной и Центральной Европы // Корпоративные финансы. 2010. №3(15). С. 47-62.

6. Козлов, А.С. Влияние публикации финансовой отчетности на цены акций // Бакалаврская выпускная работа. 2018.

7. Кокорева, М.С., Формирование структуры капитала компаниями на развивающихся финансовых рынках: дис. // М., НИУ ВШЭ, 2012.

8. Леевик Ю.С., Наседкина А.С. Факторы, влияющие на структуру капитала российских компаний // Экономика и управление. 2016. (5):48-52.

9. Никитушкина, И.В., Макарова, С.Г. Структура капитала корпорации: теория и практика: Монография // Экономический ф-т МГУ. 2013.

10. Носко, В.П. Эконометрика. Книга вторая: учебник // - М.: Издательский дом «Дело» РАНХиГС, 2011. - 576 с.

11. Осколкова, М.А., Лучкина, А.В. Детерминанты формирования структуры капитала российскими компаниями // Финансы и кредиты. 2016. №40 (568). С. 76-84.

12. Слуцкин, Л.Н. Обобщенный метод моментов // Прикладная эконометрика. 2007. №7(3). С. 119-136.

13. Abobakr, M.G. and Elgiziry, K., “The effects of board characteristics and ownership structure on the corporate financial leverage”, Accounting and Finance Research. 2015.Vol. 5 No. 1, PP. 1-14.

14. Abor, J. and Biekpe, N., “How do we explain the capital structure of SMEs in Sub-Saharan africa? Evidence from Ghana”, Journal of Economic Studies. 2009. Vol. 36 No. 1, PP. 83-97.

15. Al-ahdal, W.M., Alsamhi, M.H., Tabash, M.I., Farhan, N.H.S., The impact of corporate governance on financial performance of Indian and GCC listed firms: An empirical investigationResearch in International Business and Finance, 51. 2020.

16. Alves., P, Couto., A, B & Francisco., P.M., Board of directors' composition and financing choices. MunichPersonalRePEc. 2014.PaperNo. 52973.

17. Bancel F., Mittoo U. Cross-country determinants of capital structure choice: A survey of european firms // Financial Management. 2004. Vol. 33 (4).

18. Balios, D., Daskalakis, N., Eriotis, N. and Vasiliou, D., “SMEs capital structure determinants during severe economic crisis: the case of Greece”, Cogent Economics and Finance. 2016. Vol. 4.

19. Beattie V., Goodacre A., Thomson S. Corporate financing decisions: UK survey evidence // Journal of Business Finance & Accounting. 2006. № 33.

20. Brooks, C., Oikonomou, I.The effects of environmental, social and governance disclosures and performance on firm value: A review of the literature in accounting and financeBritish Accounting Review, 2018.50(1), PP. 1-15.

21. Brounen, Dirk and de Jong, Abe and Koedijk, Kees G., Corporate Finance in Europe Confronting Theory with Practice. EFA 2004 MaastrichtMeetingsPaper. 2004.No. 2769.

22. Chen, J. and Strange, R., “The determinants of capital structure: evidence from Chinese listed companies”, Economic Change and Restructuring. 2005.Vol. 38 No. 1, PP. 11-35.

23. Chow, Y.P., Muhammad, J., Bany-AriffinA, A.N. and Cheng, F.F., Macroeconomic uncertainty, corporate governance and corporate capital structure, International Journal of Managerial Finance. 2018.Vol. 14 No. 3, PP. 301-321.

24. Dasilas, A. and Papasyriopoulos, N., “Corporate governance, credit ratings and the capital structure of Greek SME and large listed ?rms”, Small Business Economics. 2015.Vol. 45 No. 1, PP. 215-244.

25. Daskalakis, N. and Psillaki, M., “Do country or ?rm factors explain capital structure? Evidence from SMEs in France and Greece”, APPlied Financial Economics. 2008. Vol. 18 No. 2, PP. 87-97.

26. Degryse, H., de Goeij, P. and KaPPert, P., “The impact of ?rm and industry characteristics on small ?rmЁs capital structure”, Small Business Economics. 2012.Vol. 38 No. 4, PP. 431-447.

27. El-Habashy, H.A., “Determinants of capital structure within the context of corporate governance in Egypt”, International Journal of Business and Management. 2018.Vol. 13 No. 8, PP. 26-39.

28. Esparza, M.L.P., Briano-Turrent, G.D.C. and Garcґэa-Estrada, L.A., The board composition as an explanatory factor of the capital structure of Mexican listed companies, Journal of Accounting Research, Organization and Economics. 2018.Vol. 1 No. 1, PP. 74-84.

29. Green, C.P., Homroy, S.Female directors, board committees and firm performanceEuropean Economic Review. 2018. 102.PP. 19-38.

30. Habashy, H., Determinants of Capital Structure within the Context of Corporate Governance in Egypt, International Journal of Business and Management. 2018.Vol. 13, No. 8, PP. 26-39.

31. Hall, A.R., Generalized Method of Moments, Encyclopedia of Quantitative Finance, 2009.

32. Hussain, H.I., Ali, A., Thaker, H.M.T., Ali, M.Firm performance and family related directors: Empirical evidence from an emerging market, Contemporary Economics. 2020. 13(2).PP. 187-204.

33. Jermsittiparsert, K., Thabhiranrak, T., Towards Sustainable Functioning of Organization: Women Empowerment and Corporate Management Culture, Journal of Security and Sustainability Issues. 2019.Vol. 9, No. 1, PP. 321-332.

34. Kieschnick, R., Moussawi, R., Firm Age, Corporate Governance, and Capital Structure Choices. 2018. link: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3069552

35. Kцksal, B. and Orman, C., “Determinants of capital structure: evidence from a major developing economy”, Small Business Economics. 2015.Vol. 44 No. 2, PP. 255-282.

36. Kumar, S.,Colombage, S., Rao, P., Research on capital structure determinants: a review and future directions, International Journal of Managerial Finance. 2017.Vol. 13, No. 2, PP. 106-132.

37. Li, L., Islam, S.Z., Firm and industry specific determinants of capital structure: Evidence from the Australian market, International Review of Economics and Finance. 2019.No. 59., PP. 425-437.

38. Matias, F. and Serrasqueiro, Z., Are there reliable determinant factors of capital structure decisions? Empirical study of SMEs in different regions of Portugal, Research in International Business and Finance. 2017.Vol. 40, PP. 19-33.

39. Mursalim, Mallisa, M., Kusuma H., Capital structure determinants and firms' performance: Empirical evidence from Thailand, Indonesia and Malaysia, Polish Journal of Management Studies. 2017.Vol. 16, No.1, PP. 154-164.

40. Neves, M., Serrasqueiro, Z., Dias, A., Hermano, C., Capital structure decisions in a period of economic intervention. Empirical evidence of Portuguese companies with panel data, International Journal of Accounting & Information Management.2020.

41. Nunkoo, K. and Boateng, A., The empirical determinants of target capital structure and adjustment to long-run target: evidence from Canadian ?rms, APPlied Economics Letters. 2010.Vol. 17 No. 10, PP. 983-990.

42. Ohman, P., Yazdanfar, D., Short- and Long-term debt determinants in Swedish SMEs, Review of Accounting and Finance. 2017.Vol. 16, No. 1, PP. 106-124.

43. Palacнn-Sбnchez, J., Ramнrez-Herrera, M. and Di Pietro, F., Capital structure of SMEs in Spanish regions, Small Business Economics. 2013.Vol. 41 No. 2, PP. 503-519.

44. Rani, N., Yadav, S., Tripathy, N., Capital structure dynamics of Indian corporates, Journal of advances in management Research. 2020.Vol. 17, No. 2, PP. 212-225.

45. Rehan, R., Hadi, A.R.A., Iqbal-Hussain, H., Sectorial-Specific Capital Structure Determinants - Evidence from Bursa Malaysia, International Journal of Innovation, Creativity and Change. 2019.Vol. 6, Issue 8, PP. 346-357.

46. Sewpersadh, N.S.,A theoretical and econometric evaluation of corporate governance and capital structure in JSE-listed companies, Corporate Governance. 2019. Vol. 19, No. 5, PP. 1063-1081.

47. Tong, G., Green , J., Pecking order or trade-off hypothesis? Evidence on the capital structure of Chinese companies, APPlied Economics. 2005. 37:19, PP. 2179-2189.

48. Vo, X.V., Determinants of capital structure in emerging markets: evidence from Vietnam, Research in International Business and Finance. 2017.Vol. 40, PP. 105-113.

49. Yaseen, H, Al-Amarneh, A., Corporate governance and the financial leverage: evidence from Jordan”, Research Journal of Finance and Accounting. 2015. Vol. 6,No. 12, PP. 180-187.

50. Xie, J., Nozawa, W., Yagi, M., Fujii, H., Managi, S.Do environmental, social, and governance activities improve corporate financial performance?Business Strategy and the Environment. 2019. Vol. 28, No.2, PP. 286-300.

51. Аналитическая база: BloombergTerminal.

52. Интернет-портал Центра раскрытия корпоративной информации «Интерфакс-ЦРКИ» https://www.e-disclosure.ru/

53. Интернет-портал Московской Биржи: https://www.moex.com/

54. Интернет-портал «Консультант Плюс»: http://www.consultant.ru/

55. Интернет портал «РИА Рейтинг»: http://riarating.ru/

56. Интернет-портал Forbes: https://www.forbes.ru/

57. Интернет-портал Investopedia: https://www.investopedia.com/



Приложение 1

Вероятностное распределение показателяCapStr

Вероятностное распределение показателя LTCapStr

Вероятностное распределение показателя STCapStr

Вероятностное распределение показателя Prof



Вероятностное распределение показателя Tang

Вероятностное распределение показателя Size



Вероятностное распределение показателя GO

Вероятностное распределение показателя Reput



Вероятностное распределение показателя NDTS

Вероятностное распределение показателя Div



Вероятностное распределение показателя BD

Вероятностное распределение показателя WBD



Вероятностное распределение показателя IBD



Приложение 2

Оцененные модели в разбивке на периоды

Период	2009-2014 годы	2015-2018 годы
Переменная	CapStr	LTCapStr	STCapStr	CapStr

Страница:

•  1 
•  2 
•  3 

творческая работа "Детерминанты структуры капитала российских компаний" скачать

Подобные документы

• Детерминанты структуры капитала компаний на развивающихся рынках капитала

  Теории, предписывающие поведение факторов, определяющих структуру капитала. Исследование детерминант структуры капитала российских компаний на разных стадиях жизненного цикла. Выбор спецификации модели, описывающей влияние факторов на структуру капитала.
  
  дипломная работа [1,2 M], добавлен 19.09.2016
  

• Выбор источников финансирования деятельности компании

  Описание внутренних и внешних источников финансирования компании, особенности государственного финансирования. Анализ структуры капитала фирмы для выбора источника финансирования. Финансовые потоки и оптимизация структуры капитала ЗАО "ТД Си Эль Парфюм".
  
  дипломная работа [1,6 M], добавлен 26.06.2014
  

• Выбор структуры капитала

  Понятие и теоретические аспекты структуры капитала компании. Основные показатели и теории формирования структуры капитала. Компромисс между налоговым щитом и издержками финансовой хрупкости. Выбор показателей структуры капитала и его детерминантов.
  
  курсовая работа [61,8 K], добавлен 30.09.2016
  

• Структура капитала компаний

  Традиционные, поведенческие, альтернативные модели структуры капитала. Модели ассиметричной информации, агентских издержек и корпоративного контроля. Исследование теорий и детерминант структуры капитала. Финансовые решения современных российских компаний.
  
  дипломная работа [390,6 K], добавлен 23.07.2016
  

• Основные детерминанты структуры капитала

  Отличительные черты компаний информационных технологий в контексте влияния на структуру капитала. Проведение исследования оптимальной структуры собственности в компромиссной теории. Особенность определения коэффициента ликвидности текущих активов.
  
  дипломная работа [1,7 M], добавлен 30.06.2017
  

• Совершенствование структуры капитала предприятия (на примере ООО "Альметьевское УТТ-1")

  Основные элементы и показатели оценки структуры капитала предприятия. Характеристика деятельности и анализ элементов структуры капитала на примере ООО "Альметьевское УТТ-1". Способы и направления оптимизации структуры капитала исследуемого предприятия.
  
  дипломная работа [112,5 K], добавлен 03.06.2012
  

• Разработка практических рекомендаций по определению проектной компанией структуры капитала

  Определение и основные характеристики проектного финансирования. Реестр рисков проектного финансирования. Определение факторов структуры капитала и гипотезы исследования. Основные факторы при принятии решения о структуре капитала проектной компании.
  
  дипломная работа [898,3 K], добавлен 30.11.2016
  

• Оптимальная структура капитала

  Капитал и его структура. Цена капитала и методы ее оценки. Теоретические основы управления капиталом. Теории структуры капитала. Анализ структуры капитала ОАО "Самарский резервуарный завод". Предложения по оптимизации структуры капитала организации.
  
  курсовая работа [83,9 K], добавлен 24.12.2010
  

• Оптимизация структуры капитала

  Основные цели и задачи оптимизации структуры капитала организации. Теория Модильяни-Миллера. Традиционный и компромиссный подход к структуре капитала. Определение стоимости основных источников финансирования. Средневзвешенная стоимость капитала.
  
  курсовая работа [40,7 K], добавлен 10.09.2011
  

• Исследование структуры капитала

  Структура капитала, как один из показателей, характеризующих деятельность компании. Корреляционный и регрессионный анализы. Метод моделирования линейными структурными уравнениями. Результаты эконометрического анализа, финансовые детерминанты капитала.
  
  курсовая работа [53,7 K], добавлен 12.06.2016
  

Другие документы, подобные "Детерминанты структуры капитала российских компаний"

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