Управление оборотным капиталом

Таблица 2. Корреляционная матрица для переменных

Значения коэффициентов корреляции, согласно шкале Чеддока свидетельствуют о том, что между рассматриваемыми переменными не наблюдается высокой степени взаимозависимости. Однако стоит отметить, что между переменной цикл конверсии денежных средств (CCC) и переменной средний период обращения кредиторской задолженности (APP) все же присутствует заметная обратная зависимость, что еще раз подтверждает целесообразность рассмотрения влияния цикла конверсии наличность на показатель рентабельности активов компании в отдельности.

Прежде, чем приступить к построению непосредственно самих регрессионных уравнений, необходимо сказать несколько слов о некоторых проблемах, которые могут возникнуть в ходе проведения исследования и повлиять так же на его результаты. Стоит напомнить, что для оценки коэффициентов, полученных в ходе построения регрессионных уравнений, будет использоваться метод наименьших квадратов (МНК). Однако для того, чтобы получить достоверные МНК-оценки, необходимо соблюдение условий Гаусса-Маркова, а именно, эконометрическая модель должна удовлетворять предпосылкам о наличии таких свойств оценок, как линейность, несмещенность, состоятельность и эффективность.

Нарушение данных условий влечет за собой получение неэффективных оценок и как следствие невозможность получить достоверные результаты при исследовании (Брандт, 1975). Одной из наиболее часто возникающих на практике проблем, при проведении эмпирических исследований, является проблема гетероскедастичности. Под гетероскедастичностью имеется в виду такая ситуация, когда между остатками присутствует взаимозависимость. Иными словами, когда дисперсия возмущений сильно коррелирует со значениями рассматриваемых факторов. Как отмечают некоторые исследователи, в данном случае, стандартные отклонения ошибок параметров регрессионного уравнения могут при расчете показать слишком низкие значения и при проведения анализа на значимость полученных коэффициентов значения Probability могут оказаться недостоверным. То есть может возникнуть ситуация, когда влияние рассматриваемого фактора на зависимую переменную не значимо, однако рассчитанные неверным образом значения Probability свидетельствуют об обратном. Таким образом, исследователь не может доверять полученным результатам. Вторым часто встречающимся фактором, который препятствует точности проведения исследования, является наличие в модели автокорреляции остатков первого порядка. В отличие от описанной выше ситуации, наличие в модели автокорреляции позволяет получить оценки параметров регрессионного уравнения, которые обладают свойствами состоятельности и несмещенности, однако при этом не являются эффективными. В данном случае стандартные ошибки коэффициентов уравнения при расчете показывают слишком большие значения. Таким образом, при анализе значимости рассчитанных коэффициентов, завышенные значения Probability могут привести исследователя к выводу о том, что рассматриваемый параметр не значим, что на самом деле не является достоверным (Мусатов, Львов, 2009). Таким образом, для того чтобы иметь возможность доверять полученным в ходе регрессионного анализа оценкам, а так же иметь возможность получить достоверную интерпретацию полученных результатов исследования, при построении моделей необходимо ввести поправку в форме Вайта.

Таким образом, мы можем избежать проблем, вызванных присутствием в модели гетероскедастичности или автокорреляции и получить эффективные оценки параметров уравнения.

Теперь приступим к анализу параметров построенных уравнений. Результаты модели, описывающей взаимосвязь периода обращения товарно-материальных запасов, периодов обращения дебиторской и кредиторской задолженности и показателя рентабельности активов российских промышленных компаний представлены в таблице 3. Параметры уравнения, описывающего взаимосвязь цикла конверсии денежных средств, а так же значения данной переменной в квадрате и рентабельность активов представлены в таблице 4 (с полным анализом параметром построенных уравнений можно ознакомиться в приложениях 3 и 4 соответственно).

Таблица 3. Анализ параметров первого регрессионного уравнения

Таблица 4. Анализ параметров второго регрессионного уравнения

Следующим этапом необходимо протестировать следующие гипотезы о значимости найденных параметров регрессионных уравнений:

Н0: коэффициент уравнения не значим

Н1: коэффициент уравнения значим

Начнем с анализа параметров первой модели. Исходя из данных, представленных в таблице 3, мы можем заметить, что значение Probability для переменной период обращения товарно-материальных запасов = 0.07 < 0,1 (уровень значимости 10 %), значение Probability для переменной период обращения дебиторской = 0 < 0.05 (уровень значимости 5 %), а значение Probability для переменной период обращения кредиторской задолженности = 0 < 0.05 (уровень значимости 5 %). Эти данные позволяют нам с вероятностью 90% утверждать, что показатель период обращения товарно-материальных запасов значим, а так же можно с вероятностью 95% утверждать о значимости таких показателей, как период обращения дебиторской и кредиторской задолженности.

Теперь приступим к анализу параметров второй модели. Как можно заметить по данным, представленным в таблице 4, то значение Probability для переменной цикл конверсии денежных средств = 0.07 < 0.1 (уровень значимости 10 %), а значение Probability для квадрата этой переменной = 0 < 0.05 (уровень значимости 5 %). Таким образом, мы с вероятностью 90% можем говорить о значимости переменной цикл конверсии денежных средств.

После анализа значимости параметров уравнений логично перейти к анализу значимости самих построенных моделей. Для оценки значимости моделей множественной линейной регрессии используют скорректированный коэффициент детерминации (Adjusted R-squared). Протестируем следующие гипотезы о значимости скорректированного коэффициента детерминации:

Н0: Adjusted R-squared =0 (не значим)

Н1: Adjusted R-squared ?0 (значим)

Исходя из данных, представленных в приложениях 3 и 4 мы можем заметить, что значения Probability для скорректированного коэффициента детерминации, как в первой, так и во второй модели = 0 < 0.05 (уровень значимости 5 %). Таким образом, полученные значения позволяют нам принять гипотезу Н1 и с вероятностью 95 % позволяют говорить о значимости как первой, так и второй построенной модели. Что касается значений самого скорректированного коэффициента детерминации, то исходя из данных таблицы 3, мы можем заметить, что значение Adjusted R-squared = 0.197 для первой модели. Это может позволить нам сделать вывод о том, что мы можем объяснить 19.7 % общей дисперсии объясняемой переменной, при помощи дисперсии построенной модели. Что касается второй модели, то значение Adjusted R-squared = 0.149 дает нам возможность объяснить 14.9 % общей дисперсии объясняемой переменной, при помощи дисперсии данной модели.

Следует отметить, однако, что в обеих построенных моделях имеют место некоторые ограничения, а именно, после анализа имеющихся данных и после удаления существенных и противоречащих экономическому смыслу выбросов изначальная выборка сократилась и получилась несбалансированной. Несбалансированность так же объясняется тем, что по всем рассматриваемым показателям за рассматриваемый шестилетний временной промежуток имеются не все данные. Чтобы улучшить качество проводимого исследования в дальнейшем можно попробовать использовать более длительный временной отрезок, что существенно увеличит число наблюдений, а так же можно попробовать протестировать построенные модели на другой выборке.

После анализа качество построенных моделей можно приступить к интерпретации полученных коэффициентов. Начнем анализ с результатов, полученных при помощи первой модели. Напомним, что данная модель описывает взаимосвязь между такими показателями как период обращения товарно-материальных запасов, период обращения дебиторской и кредиторской задолженности и показателем рентабельности активов российских промышленных компаний. Исходя из данных, представленных в таблице 3 можно заметить, что коэффициент перед объясняющей переменной период обращения товарно-материальных запасов равен - 0.088, что может свидетельствовать о том, что данный коэффициент находится в отрицательной зависимости с коэффициентом рентабельности активов, иными словами исследование показало, что снижение периода обращения товарно-материальных запасов, пусть и в незначительной степени влечет за собой увеличение показателя рентабельности активов российских промышленных компаний. Данный результат находится в соответствии с результатами исследования, проведенного для промышленных компаний на Шри Ланке (Nimalathasan, 2010). Что касается периодов обращения дебиторской и кредиторской задолженности, то значения коэффициентов перед данными объясняющими переменными составляют -0.029 и -0.016 соответственно. Знак перед полученными коэффициентами позволяет нам так же сделать вывод, о наличии отрицательной зависимости между данными объясняющими переменными и показателем рентабельности активов. Стоит напомнить, что в исследовании, проводимом для бельгийских компаний (Deloof, 2003) так же была выявлена отрицательная взаимосвязь между периодом погашения дебиторской и кредиторской задолженности и показателем эффективности деятельности компаний, которая в данном исследовании была выражена показателем валовой операционный доход. Таким образом, согласно полученным при помощи первой модели результатам, можно прийти к выводу о том, что среднем, для финансовых менеджеров рассматриваемых российский промышленных компаний одним из способов повышения эффективности деятельности может служить сокращение периодов погашения дебиторской и кредиторской задолженностей, а так же сокращение периода оборота товарно-материальных запасов. Стоит так же сказать несколько слов об используемых контрольных переменных, а именно размер компании, а так же коэффициент ликвидности и коэффициент покрытия. Знак коэффициента перед данными показателями, согласно данным таблицы 3 положительных, что говорит нам о положительной взаимосвязи данных переменной с показателем рентабельности активов. Однако, рассчитанные значения Probability для данных показателей позволяет нам сделать утверждение о том, что значимое влияние (на уровне значимости 5%) на зависимую переменную в данной модели оказывает только показатель ликвидности. Таким образом, для компаний в исследуемой выборке увеличение значения коэффициента, отражающего соотношение текущих активов к текущим обязательствам, оказывает положительной влияние на показатель рентабельности активов, чего нельзя сказать о других используемых контрольных переменных. Хотя в исследовании промышленных компаний в Гане (Akoto, Awunyo-Vitor, Angmor, 2013) авторами была установлена положительная зависимость между размером компании (который так же был рассчитан, как натуральный логарифм от продаж) и эффективностью ее деятельности. Одним из возможных объяснений таких результатов, может служить тот факт, что характеристики, которыми обладает отрасль промышленности в России и Гане существенно отличается

После анализа результатов первой модели. Приступим к обсуждению результатов, полученных при помощи второй модели, которая описывает взаимосвязь цикла конверсии денежных средств, а так же значения данной переменной в квадрате и показателя рентабельности активов. Прежде всего, заметим, что при построении данного регрессионного уравнения были использованы те же контрольные переменные, которые использовались при построении первого уравнения. Что касается влияния этих переменных на показатель рентабельности активов, то аналогично результатам, полученным в первой модели, значимое влияние (на уровне значимости 5%) на зависимую переменную так же оказывает только коэффициент ликвидности. Теперь приступим к анализу влияния цикла конверсии денежных средств на показатель рентабельности активов российских промышленных компаний. Прежде всего, стоит отметить, что согласно полученным результатам, мы можем сделать вывод о том, что период конверсии денежных средств действительно оказывает влияния на значения показателя рентабельности активов, что находится в логическом соответствии с результатами, полученными в ходе проведения предыдущих работ, посвященных данной теме. Кроме того, следует отметить, что результаты данного исследования свидетельствуют о наличии квадратичной зависимости между циклом конверсии наличности и рентабельностью активов. То есть, можно предположить, что для компаний в рассматриваемой выборке существуют некоторые оптимальные значения цикла конверсии денежных средств, которые способны максимизировать эффективности деятельности данных компаний. Используя формулу, описывающую данный вид зависимости между переменными, а так же значения коэффициентов, представленных в таблице 4, можно вычислить приблизительную продолжительность исследуемого цикла, которая в данном случае будет принимать значение 3.47. Напомним, что в начале исследования было установлено, что средняя продолжительность цикла конверсии денежных средств для российских промышленных компаний, представленных в данной выборке, составляет 16 дней. Учитывая результаты, полученные при помощи второго регрессионного уравнения, можно прийти к заключению, что снижение цикла конверсии наличности до значений, близких к рассчитанному, может привести к повышению эффективности деятельности рассматриваемых компаний. Таким образам, можно сказать, что в среднем, для рассматриваемых промышленных компаний, спектр показателей цикла конверсии денежных средств, близкий к вычисленному значению будет наиболее выгодным в целях максимизации эффективности их деятельности. Так же можно отметить, что выводы, которые были сделаны в ходе проведения эконометрического анализа, говорят нам о том, что выдвинутые изначально гипотезы подтвердились.

Заключение

В ходе проведения данного исследования был выполнен ряд поставленных задач, а именно, в результате обзора теоретической литературы, была определена суть значения оборотного капитала компании, а так же установлено, что подразумевается под управлением оборотным капиталом. Кроме того, было рассмотрено, какими показателями может быть охарактеризована эффективная деятельность предприятия. В работе так же были рассмотрены и проанализированы результаты эмпирических исследований различных авторов, которые занимались изучением влияния управления оборотным капиталом компаний на результаты их деятельности. Затем, учитывая результаты анализа рассмотренных эмпирических исследований, а так же учитывая основные теоретические положения в области управления оборотным капиталом, был выбран ряд показателей, которые могут быть использованы в данном исследовании. В качестве характеристик управления оборотным капиталом компаний были выбраны такие показатели, как цикл конверсии денежных средств, период обращения дебиторской и кредиторской задолженности, а так же период обращения товарно-материальных запасов, а в качестве показателя эффективности деятельности компаний был использован коэффициент рентабельности активов. В работе был так же использован ряд контрольных переменных, таких как размер компании, а так же коэффициенты ликвидности и покрытия. Далее, была составлена база данных, включающая в себя информацию по выбранным показателям для российских промышленных компаний за период с 2008 по 2013 год. На основании этой базы было проведено эконометрическое исследование, чтобы иметь возможность ответить на исследовательский вопрос и выяснить, каким образом управление оборотным капиталом российских промышленных компаний может повлиять на эффективность их деятельности? При проведении эконометрического исследования были построены две регрессионных модели, первая из которых описывает зависимость между периодом обращения товарно-материальных запасов, а так же периодами оборота дебиторской и кредиторской задолженности и рентабельностью активов российских промышленных компаний. Вторая модель описывает взаимосвязь между циклом конверсии денежных средств и показателем рентабельности активов. По результатам проведенного исследования было выявлено, что такие переменные как период обращения дебиторской и кредиторской задолженности, а так же период обращения товарно-материальных запасов находятся в отрицательной зависимости с показателем рентабельности активов российских промышленных компаний, следовательно, снижение продолжительности данных периодов может служить одним из способов повышения эффективности деятельности компаний данной выборки. Полученные выводы находятся в соответствии с результатами некоторых эмпирических исследований управления оборотным капиталом, которые в том числе посвящены компаниям промышленной отрасли. Таким образом, полученные выводы могут оказаться полезными для представителей сферы финансового менеджмента, для руководителей компаний промышленной отрасли, а так же для тех специалистов, которые заинтересованы в повышении эффективности деятельности российских промышленных компаний. Результаты эконометрического исследования так же выявили зависимость между циклом конверсии денежных средств и показателем рентабельности активов рассматриваемых компаний. Кроме того было установлено, что для компаний в исследуемой выборке существует некий оптимальный спектр значений цикла конверсии денежных средств, который может привести к максимизации эффективности деятельности данных компаний. Что касается применения полученных результатов, то они могут так же быть использованы представителями сферы финансового менеджмента при краткосрочном финансовом планировании. Подводя итог всему выше сказанному, можно отметить, что результаты проводимого анализа подтвердили выдвинутые изначально предположения.

Таким образом, в ходе данной работы была достигнута поставленная цель, а именно на примере российских промышленных компаний было изучено влияние управления оборотным капиталом на эффективность их деятельности.

Тем не менее, стоит сказать несколько слов об ограничениях проведенного исследования. Прежде всего, стоит отметить, что в данной работе исследование на ограниченной выборке и для получения более достоверных результатов в перспективе можно расширить спектр рассматриваемых компаний. Следует так же иметь в виду тот факт, что сам регрессионный анализ, который непосредственно был использован для проверки поставленных гипотез, тоже не лишен недостатков. Стоит напомнить, что на практике существует довольно значительное количество факторов, которые могут оказывать влияние на значения некоего рассматриваемого показателя. Сбор, анализ и измерение всех возможных объясняющих переменных не всегда на практике представляется возможным, поэтому при построении регрессионной модели всегда существует некоторая вероятность, что какие-то из факторов, которые могут повлиять на значения зависимой переменной могут быть не включены в исследование. Тем не менее, одним из способов получения более точных результатов при дальнейшем исследовании влияния управления оборотным капиталом на эффективность деятельности компаний может быть поиск дополнительных показателей, которые могут оказывать влияние на эффективность и включение их в модель.

Что касается направления для дальнейшего исследования, данная работа может послужить основой для изучения проблемы управления оборотным капиталом, а так же влияния этого управления на эффективность деятельности компаний в будущем. Однако, в качестве базы для исследования могут послужить другие данные, охватывающие, к примеру, более обширный временной промежуток. Так же определенный интерес может представлять рассмотрение влияния управления оборотным капиталом на эффективность деятельность компаний, ведущих свою деятельность в другой отрасли. В данном случае можно сравнить полученные результаты с уже имеющимися выводами и выяснить, будут ли отличаться способы управления оборотным капиталом для компаний разных отраслей. Еще одним направлением для исследования может послужить изучение влияния управления оборотным капиталом на эффективность деятельности компаний, ведущих свою деятельность в других странах. Полученные данные можно так же будет сравнить с результатами, которые были получены в ходе изучения российских компаний. Стоит отметить, что в современной литературе можно встретить довольно значительное количество исследований, анализирующих данную проблему как для компаний, ведущих свою деятельность на развитых рынках, так и для компаний, которые функционируют на развивающихся рынках. Это свидетельствует о том, что изучение проблемы управления оборотным капиталом является весьма актуальной темой для исследователей во многих странах, причем в качестве рассматриваемого объекта могут выступать компании, обладающие различными характеристиками. Таким образом, данная тема имеет немало весьма интересных направлений для будущих исследований.

Список использованной литературы

1. Бланк И.А., (1999), Основы финансового менеджмента, Т2 - К Ника-Центр - 512 с

2. Брандт З., (1975), Статистические методы анализа наблюдений / Пер. с англ.: издательство «Мир», Москва

3. Гавриленко В.Г., (2009), Капитал. Энциклопедический словарь, "Право и экономика"

4. Грызунова Н. В., (2013), «Моделирование структуры оборотного капитала предприятия на основе регулирования налоговой нагрузки», Бизнес в законе, №6. С.257-260.

5. Дамодаран А., (2004), Инвестиционная оценка. Инструменты и техника оценки любых активов./Пер. с анг. М.: Альпина Бизнес Букс, Москва 1342 с.

6. Егоршин А. А., Малярец Л. М., (2005), «Проблемы эконометрического оценивания», Коммунальное хозяйство городов. - №. 61. - С. 267-273

7. Крутин Ю.В., (2011), «Проблемы финансового менеджмента промышленных предприятий по управлению оборотным капиталом», Вестник УдмГУ, Выпуск № 2-1. С.52-57

8. Кураков В.Л., Якушин А.В., (2000), Экономический словарь для предпринимателей. - Чебоксары: Изд-во Чуваш. ун-та, - 277 с.

9. Курбано Л.М., Прозоров А.С., (2012), «Методы и инструменты управления оборотным капиталом промышленного предприятия», Современная наука: актуальные проблемы теории и практики -- № 8-9

10. Липчиу Н.В., Юрченко А.А., (2012), «Модели управления оборотным капиталом организаций в современных условиях», Научный журнал кубгау, №76. С.1038-1050.

11. Лыгина Н.И., Рудакова О.В. (2011), «Управление оборотным капиталом промышленных предприятий», Вестник ОрелГИЭТ -- №4(18)

12. Мулкиджанян В.С., (2010), «Повышение эффективности управления оборотным капиталом российских промышленных предприятий на основе регулирования операционного цикла в существующих условиях кризиса», Известия ЮФУ. Технические науки -- № 4 Вып. 105 -- с. 70-76

13. Мусатов М.В., Львов А.А., (2009), «Анализ моделей метода наименьших квадратов и методов получения оценок», Вестник СГТУ , №2с (43), С.137-140

14. Райзберг Б.А., Лозовский Л.Ш., (2008), Словарь современных экономических терминов/ - 4-е изд. - М.: Айрис-пресс - 480 с.

15. Рудакова О.В., Шатунов А.Н. (2010), «Оборотный капитал предприятия: управление и оптимизация», Российское предпринимательство № 9 Вып. 1 (166). -- c. 77-81

16. Себер Дж., (1980), Линейный регрессионный анализ/Пер. с англ.: издательство «Мир», Москва

17. Akoto R.K., Awunyo-Vitor D., Angmor P.L., (2013), «Working capital management and profitability: Evidence from Ghanaian listed manufacturing firms», Journal of Economics and International Finance, Vol. 5(9), pp. 373-379

18. Alipour M., (2011), «Working Capital Management and Corporate Profitability: Evidence from Iran», World Applied Sciences Journal, Vol. 12, pp.181-195

19. Baltagi B. H., (2001), Econometric Analysis of Panel Data. 2nd Edition, John Wiley & Sons. Chichester

20. Banomyong R., (2005), «Measuring the Cash Conversion Cycle in an International Supply Chain», Annual Logistics Research Network (LRN) Conference Proceedings, Plymouth, UK.

21. Deloof M., (2003), «Does working capital management affect profitability of Belgian firms», Journal of Business Finance and Accounting, Vol 30, pp. 573-588

22. Gill A., Biger N., Mathur N., (2010), «The Relationship Between Working Capital Management And Profitability: Evidence From The United States», Business and Economics Journal, Vol. 10

23. Kaur J., (2010), «Working Capital Management in Indian Tyre Industry», Int. Res. J. Financ. Econ., Vol. 46, pp. 7-15.

24. Mueller F., (1953), «Corporate Working Capital and Liquidity», The Journal of Business of the University of Chicago, Vol 6(3), pp. 157-158.

25. Nimalathasan B., (2010), «Working capital management and its impact on profitability: A study of selected listed manufacturing companies in Sri Lanka», Information management, Vol. 10, pp. 76-83

26. Raheman A., Nasr M., (2007), «Working Capital Management and Profitability - Case Of Pakistani Firms», Intl. Rev. Business Research Papers, Vol 3(1), pp. 279-280.

27. Shin H.H., Soenen L., (1998), «Efficiency of working capital management and corporate profitability», Financial Practice and Education, Vol 8, pp. 37-45

28. Shubita M.F. (2013), «WCM and Profitability: A Case of Industrial Jordanian Companies», International Journal of Business and Social Science, Vol. 4, pp. 86-98

29. Van Horne J. C., Wachowicz J.M., (2000), Fundamentals of Financial Management. Eleventh edition, Prentice Hall Inc.

Приложения

Приложение 1

Ящичковые диаграммы для переменных CCC, ITD, ACP, APP, ROA, SIZE, LR, CR

Приложение 2

Описательные статистики для переменных CCC, ITD, ACP, APP, ROA, SIZE, LR, CR

Приложение 3

Результаты первой регрессионной модели

Приложение 4

Результаты второй регрессионной модели

Размещено на Allbest.ur