2.1 Обоснование гипотез эмпирического исследования факторов потенциала роста стоимости компании

Несмотря на наличие серьезных предпосылок, опционные методы оценки успешно используются менеджментом компаний на развитых рынках капитала.

В настоящем исследовании поставлена задача проанализировать степень воздействия различных видов факторов на величину опциона роста компаний. Поскольку виды факторов достаточно многообразны, для исследования выбраны самые распространенные, интуитивно понятные и наиболее часто встречающиеся на практике. К таким факторам отнесем: инвестиции в НИОКР, интеллектуальный капитал, капитальные затраты, инвестиции в материальные активы, а также уровень квалификации совета директоров, наличие корпоративного университета в компании, а также затраты на заработную плату, как показатель уровня квалификации работающего персонала компании. Именно эти виды факторов наиболее часто рассматриваются академическими исследователями в рамках анализа реальных опционов роста. Кроме того, в исследовании поставлена задача оценить степень влияния данных факторов на стратегические возможности роста на разных стадиях жизненного цикла.

С целью детализации факторов, влияющих на рост компаний, мы решили учесть жизненный цикл организаций. В финансах стадии жизненного цикла применяются редко, гораздо чаще они используются в работах по стратегическому менеджменту. Между тем, финансовые характеристики компании изменяются по мере ее движения по кривой жизненного цикла организации. Мы сгруппируем компании по стадиям жизненного цикла и проверим степень воздействия различных видов факторов на величину опционов роста компаний на разных стадиях жизненного цикла.

(11)

где: Y -потенциал роста стоимости компании;

f_fin_lev - финансовый рычаг;

f_ncapex - чистые капитальные вложения ;

ih_board - квалификация членов совета директоров;

h_corp_univis - наличие корпоративного университета в компании;

is_ic_km - наличие направленности на интеллектуальный капитал и управление знаниями в стратегии компании;

is_rd_inv - расходы на НИОКР;

ih_c_emp - затраты на заработную плату.

Зависимая переменная

Зависимой переменной в данном исследовании является оценка величины опциона роста. Концепция, которая лежит в основе данной работы, заключается в определении возможностей будущего роста. Величина потенциала будущего роста компании представлена как разница между рыночной стоимостью компании и ее текущей стоимостью.

Таким образом в исследовании будут использованы две зависимые переменные:

p_fgv- Future Growth Value - стоимость будущего роста;

p_mva- Market-to-book ratio- соотношение рыночной и балансовой стоимости собственного капитала.

Основной разницей в двух данных переменных является корректировка на величину EVA cap при расчете стоимости будущего роста.

Суть капитализированной EVA заключается в предпосылке, что компания будет получать текущий размер экономической добавленной стоимости в бесконечном периоде. Однако основной недостаток использования EVA заключается в неспособности прогноза будущего.

Нашей главной задачей будет выбрать лучшую модель, при условии использования двух переменных схожих по сути, но разных по способу расчета.

Независимые переменные

В своих предположениях мы опираемся на концепцию Стерна Стюарда. В ней утверждается, что «сам по себе рост компании не способен создавать ее стоимость, он создает стоимость только тогда, когда стратегия роста ведет к превышению стоимости над ростом инвестированного капитала. Другими словами, чистая текущая стоимость стратегии должна быть положительной, иначе стоимость будет разрушаться» [58].

К конкурентным преимуществам компании можно отнести обладание ценными, редкими и трудно копируемыми ресурсами (Barney, 1991).

В качестве конкурентных преимуществ, факторов роста стоимости, будут использованы переменные:

а) квалификация членов совета директоров. Мы делаем предположение о положительной зависимости опциона роста от квалификации членов совета директоров. В своей работе мы учитываем стадии жизненного цикла. На стадии роста мы предполагаем наиболее сильную зависимость квалификации совета директоров от опциона роста, на стадии зрелости - положительную зависимость, но не столь сильную как на стадии роста, а на стадии спада - отсутствие зависимости.

Стадия роста характеризуется гибкостью, динамичностью и неформальными процедурами принятия решений, при этом собственник самостоятельно планирует видение компании в будущем. Именно от его мастерства, опыта и знаний на стадии роста зависит будущее компании. Стадия зрелости компании характеризуется стабильным советом директоров и хорошо отлаженной системой корпоративного управления, что способствует уверенному развитию компании;

б) относительно затрат на заработную плату мы делаем предположение о положительной зависимости от опциона роста стоимости. Динамика изменений по стадиям жизненного цикла предполагает положительную зависимость на всех стадиях. Для достижений конкурентных преимуществ в будущем компания должна обладать высоко квалифицированными специалистами. Под затратами на заработную плату понимается квалификация кадров. Рост компании может быть обеспечен за счет лучших специалистов в ключевых для нее областях;

в) наличие корпоративного университета в компании. По мнению экспертов, корпоративная культура способна оказать влияние на формирование и становление корпоративной целостности, корпоративной коммуникации, поведения и навыков сотрудников. (Покровский, 2004) Мы делаем предположение о положительной зависимости данного фактора на стадии зрелости и спада. Стадии роста компании свойственны большой динамизм и изменения, которые не способствуют формированию корпоративного университета, предполагающего богатый накопленный опыт;

г) расходы на НИОКР были взяты из отчетов о прибылях и убытках компаний. Мы планируем обнаружить положительную зависимость опциона роста от инвестиций в НИОКР. Специфика расходов на НИОКР подразумевают инновацию, обновление и модернизацию. Данный фактор будет иметь положительную зависимость на стадии зрелости и спада;

д) влияние структуры капитала на опцион роста - финансовый рычаг. Влияние финансового рычага на стоимость опциона роста компании предполагается как отрицательное, поскольку возможности дальнейшего заимствования для осуществления инвестиций у таких компаний тем меньше, чем больше финансовый рычаг.

На стадии роста компании требуются значительные финансовые ресурсы для сохранения и увеличения своего роста. Собственных финансовых ресурсов становится недостаточно при фиксированной доходности в отрасли, а возможности привлечения заемного капитала ограничены. В данном случае можно предположить отрицательную зависимость.

Вторая стадия - зрелость, которая характеризуется стабильностью, низкими рисками, но и более низкой доходностью. Соотношение собственного и заемного капитала уже сформировано на данной стадии. Мы предполагаем, что при увеличении финансового рычага величина опциона роста снизится.

На стадии спада мы предполагаем зависимости между данным фактором и ростом стоимости компании, поскольку на стадии спада нет ориентации на результат, нет склонности к изменениям, нет работающей команды, но существует система правил, предписания и процедуры;

е) чистые капитальные вложения, прирост стоимости основных средств. В своем исследовании мы предполагаем найти сильную положительную зависимость между капитальными вложениями и потенциалом роста стоимости компании на всех стадия жизненного цикла;

ж) наряду с материальными активами для достижения конкурентных преимуществ, компания должна обладать специфическими ресурсами - интеллектуальными активами. Направленность на интеллектуальный капитал и управление знаниями в стратегии компании должны показать положительную зависимость от опциона роста на всех стадиях жизненного цикла.

В своем исследовании мы ставим целью выявить критерии для разбивки компаний по стадиям жизненного цикла. К примеру, в исследовании Т. Давила, «An exploratory study on the emergence of management control systems: formalizing human resources in small growing firms» (2005) в качестве критериев деления по стадиям жизненного цикла использовался размер и возраст фирмы (Davila, 2005).

Критерии деления на этапы жизненного цикла основаны на известной модели жизненного цикла, предложенной Миллером и Фризен (1983, 1984).Так как модель основана на общих показателях жизненного цикла, она может быть применена для компаний различных размеров, работающих в различных отраслях. Кроме того, модель Миллера и Фризена была испытана во многих эмпирических исследованиях. Мы самостоятельно выбрали критерии для определения стадии жизненного цикла компании.

Используя методологию Миллера и Фризен (1983), мы опираемся на количественные критерии деления, качественные критерии деления не используем, поскольку они обладают большой долей субъективизма. Из представленных Миллером и Фризен (1983) мы используем критерий - темп роста выручки компании. Темп роста выручки рассчитан как отношение выручки в данном периоде к выручке предшествующего периода по формуле

(12)

где: f_sales₁- выручка текущего периода;

f_sales₀ - выручка предыдущего периода.

Этот показатель характеризует, во сколько раз величина в одном периоде больше или меньше величины в другом периоде. Далее мы находим среднее значение темпа роста по компании за период 2004-2011гг. Сравниваем значение темпа роста выручки по компании с темпом роста ВВП в данной стране. Для равнения используем среднее значение темпа роста ВВП стран ЕС за аналогичный период. Информация о темпе роста ВВП стран ЕС была взята с сайта Международного валютного фонда (Приложение 5).

В качестве стадий жизненного цикла будут использованы рост, зрелость и спад, поскольку при сборе базы исследования было принято решение отобрать компании, участвующие в формировании фондовых индексов. Такие компании в большинстве своем давно присутствуют на рынке, стремятся быть более открытыми и дают рынку возможность правильнее оценивать их стоимость.

Мы представим стадии жизненного цикла, в зависимости от темпа роста выручки таблица 1, критерием оценки для стадии роста является быстрый рост бизнеса, для стадии зрелость темп роста равный темпу роста ВВП страны и спаду отрицательный темп роста:

Таблица 1 Критерии деления стадий жизненного цикла в зависимости от темпов роста стран¹

Стадии ЖЦ Страна	Рост	Зрелость	Спад
Франция	Очень высокие	1,2	Отрицательные
Германия	Очень высокие	1,4	Отрицательные
Италия	Очень высокие	0,1	Отрицательные
Испания	Очень высокие	1,7	Отрицательные
Великобритания	Очень высокие	1,9	Отрицательные

¹ Сост. по источнику: данные использованы с .[Эл. ресурс]. Режимдоступа: http://www.imf.org за 2004-2012гг.

Поскольку лишь одна из стадий имеет четкие границы деления - зрелость, мы использовали отклонение от темпа ВВП страны в размере +10/-10 процентов. В результате деления по стадиям жизненного цикла компании были получены следующие группы:



Рис. 5. Сводная диаграмма стадий жизненного цикла компании

Как можно видеть на рис. 5 большинство компаний, участвующих в выборке, находятся на стадии зрелости, что вполне объяснимо, поскольку данная стадия подразумевает стабильность, которая характеризуется более_ низкими рисками, но и более низкой доходностью.

Проходя этапы жизненного цикла, компания должна быть нацелена на достижение положительной экономической прибыли, на создание перспективы ее приращения в будущем, на рост не просто в терминах выручки, активов, бухгалтерской прибыли, а на рост капитала в терминах увеличения инвестиционной стоимости ее бизнеса. Поэтому нам важно выделить те драйверы стоимости, которые оказывают существенное воздействие на стоимость компании в разные этапы жизненного цикла.

2.2 Обоснование спецификации эконометрической модели

В работе используются пaнельные дaнные (Paneldata), которые состоят из наблюдений одних и тех же экономических единиц, которые oсуществляются в последовательные периоды времени (Магнус, 2005). Таким образом, панельные данные сочетают в себе как данные пространственногo типа (cross-sectionaldata), так и данные типа временных рядов (time-seriesdata): в каждый момент времени имеются данные пространственного типа по экономическим единицам, и для каждого такого объекта cоответствующие ему данные oбразуют один или несколько временных рядов. Благодаря специальной структуре панельные данные позволяют строить более гибкие и содержательные модели и получать ответы на вопросы, которые недоступны только в рамках, например, моделей, oснованных на пространственных данных.

В частности, возникает возможность учитывать и анализировать индивидуальные отличия между экономическими единицами, что нельзя сделать в рамках стандартных регрессионных моделей.

Oсновные преимущества данных этого типа в следующем:

1) они предоставляют исследователю большое количество наблюдений, увеличивая число степеней свободы и снижая коллинеарность между объясняющими переменными и, следовательно, улучшая эффективность оценок;

2) они позволяют aнализировать множество важных экономических вопросов, которые не могут быть адресованы к временным рядам и cross-sectional данным (пространственные выборки) в отдельности;

3) они позволяют предотвратить смещение агрегированности, неизбежно возникающее как при aнализе временных рядов (где рассматривается временная эволюция усредненного «репрезентативного» объекта), так и при анализе cross-section данных (где не учитываются ненаблюдаемые индивидуальные характеристики объектов);

4) они дают возможность проследить индивидуальную эволюцию характеристик oбъектов во времени ( Магнус, 2005).

При выборе спецификации модели, мы склоняемся к модели с фиксированными эффектами. Oбычная модель предполагает, что у экономических единиц нет индивидуальных различий, и в некоторых простых ситуациях такое предположение оправдано. В модели с фиксированными эффектами считается, что каждая экономическая единица «уникальна» и не может рассматриваться как результат случайного выбора из некоторой генеральной совокупности. Такой подход вполне cправедлив, поскольку в выборке, на которой осуществляется тестирование гипотез, является логическая подборка необходимых параметров и использованием сайтов компаний и информационных баз данных ( Вербик, 2008).

В работе использовались панельные данные (Paneldata), которые cостоят из наблюдений одних и тех же экономических единиц, которые oсуществляются в последовательные периоды времени.

Модели с панельными данными позволяют получать более точные оценки параметров. В то же время, поскольку панельные данные cодержат наблюдения за одними и теми же объектами в разные периоды времени, предположение о взаимной независимости этих наблюдений становится нереалистичным, поэтому анализ этих моделей может потребовать применения более тонких (по сравнению с обычным методом наименьших квадратов) методов оценивания.

Построим основные описательные статистики: количество наблюдений (obs), среднее (mean), стандартное отклонение (Std.Dev.), максимум (max) и минимум (min)указанных переменных для каждого года.

В соответствии с установленным порядком использования данных при построении модели, построим гистограммы переменных для исключения случайных выбросов. Распределение переменных не является нормальным (коэффициент Жарка-Бера не близок к 0). Поскольку количество наблюдений в данной работе достаточно, относительно необходимого количества, исключение выбросов внутри переменной далее будет происходить интуитивно.

Применение фильтра для переменной расходы на НИОКР рис. 6

Рис.6 Расходы на НИОКР

Распределение не является нормальным, поскольку коэффициент J-B равен 867377,8 % при probability 0.00 меньшем 0.05. Среднее значение переменной составляет 87,16 млн.евро. Стандартное отклонение равно 392,55, определение разброса полученных значений наблюдаемых величин вблизи их среднего арифметического значения. Коэффициент асимметрии выборки является мерой смещенности распределения относительно среднего арифметического значения, который составляет 7,92. Положительный коэффициент асимметрии соответствует распределению смещенному вправо относительно среднего значения. Для нормального закона или любого другого симметричного распределения, коэффициент асимметрии равен нулю.

Рис.7 Финансовый рычаг

Рис.7 распределение не является нормальным, поскольку коэффициент J-B равен 1405,52 % при probability 0.00 меньшем 0.05. Среднее значение переменной составляет 0,55 млн.евро. Стандартное отклонение равно 0,5 , определение разброса полученных значений наблюдаемых величин вблизи их среднего арифметического значения. Коэффициент асимметрии выборки является мерой смещенности распределения относительно среднего арифметического значения, который составляет 0,828. Положительный коэффициент асимметрии соответствует распределению смещенному вправо относительно среднего значения. Для нормального закона или любого другого симметричного распределения, коэффициент асимметрии равен нулю.

Рис. 8 Чистые капитальные вложения

Распределение не является нормальным, поскольку коэффициент J-B равно 1281,64 % при probability 0.00 меньшем 0.05. Среднее значение переменной составляет 116,59 млн.евро. Стандартное отклонение равно 1074,93

Корреляция

Статистическая взаимосвязь между зависимой переменной и независимыми. Влияние P_FGV на независимые переменные меньше 0,6, следовательно сильной взаимосвязи нет. Влияние P_MVA на независимые переменные меньше 0,6, следовательно сильной взаимосвязи нет. Остальные параметры по модулю должны быть меньше 0,6. Данный факт свидетельствует об отсутствии сильной взаимосвязи. Из представленной корреляции переменных, таблица 2 видно, что существует взаимосвязь между затратами на заработную плату (ih_c_emp) и расходами на НИОКР (is_rd_inv).

Таблица 2 Таблица корреляции зависимых и не зависимых переменных¹

	P_FGV	P_MVA	IS_RD_INV	F_FIN_LEV	F_NCAPEX	IH_BOARD_QF	IH_C_EMP	IH_CORP_UNIV	IS_IC_KM
P_FGV	1.000000	0.113958	0.346511	0.009522	-0.039586	0.043669	0.543523	0.105285	0.094301
P_MVA	0.113958	1.000000	0.364404	-0.000899	0.269151	0.073360	0.413160	0.076351	0.051688
IS_RD_INV	0.346511	0.364404	1.000000	-0.001345	0.100725	0.088418	0.637323	0.102582	0.100275
F_FIN_LEV	0.009522	-0.000899	-0.001345	1.000000	0.002066	-0.021779	0.010371	-0.011228	0.018679
F_NCAPEX	-0.039586	0.269151	0.100725	0.002066	1.000000	0.045664	0.203704	0.039741	0.037185
IH_BOARD_QF	0.043669	0.073360	0.088418	-0.021779	0.045664	1.000000	0.098447	0.242251	0.257700
IH_C_EMP	0.543523	0.413160	0.637323	0.010371	0.203704	0.098447	1.000000	0.156424	0.134299
IH_CORP_UNIV	0.105285	0.076351	0.102582	-0.011228	0.039741	0.242251	0.156424	1.000000	0.459996
IS_IC_KM	0.094301	0.051688	0.100275	0.018679	0.037185	0.257700	0.134299	0.459996	1.000000

¹ Сост. по источнику: расчетный пакет EViews7

2.3 Анализ эмпирической базы данных

Выборка, на базе которой проводилось исследование, включает в себя 1693 компаний из следующих стран: Франция, Италия, Испания, Великобритания и Германия.

Поскольку в анализе использовались данные за период с 2004 по 2011 год включительно, результирующее количество наблюдений составило 13544, что достаточно с эконометрической точки зрения.

Кроме данных из бухгалтерской отчетности компаний, размещенной на официальных сайтах, в исследовании были использованы показатели капитализации компаний и финансового рычага.

В выборку были включены компании, соответствующие следующим_ критериям:

1. Пользуясь методологией исследований основных авторов по аналогичной тематике, оценка опциона роста_ предполагает абсолютное предвидение рынком будущих возможностей компаний к инвестированию. Однако данное предположение верно лишь в_условиях совершенного рынка капитала. Было принято решение отобрать компании, участвующие в формировании фондовых индексов. Такие компании в своем_ большинстве давно присутствуют на рынке, стремятся быть более_ открытыми и дают рынку возможность правильнее оценивать их стоимость;

2. Наличие финансовой отчетности на русском или английском языках за рассматриваемый период.

Как уже было сказано, исследование проводилось на компаниях из следующих стран: Франция, Италия, Испания, Великобритания и Германия.

Таблица 3 Анализ базы данных в разрезе стран¹

Страна	Количество компаний
Франция	430
Германия	400
Италия	44
Испания	80
Великобритания	739
Итого	1693

¹ Сост. по источнику: исследуемая база данных



В исследовании были выбраны данные страны, таблица 3, поскольку, по мнению экспертов именно 5 данных стран дают более 70% всего ВВП Евросоюза. База данных, используемая в исследовании, была собрана на кафедре финансового менеджмента Пермским филиалом НИИ ВШЭ. Свой вклад в данное исследование составил сбор качественных данных по 96 компаний за период 2004-2011г, с использованием сайта www.AMADEUS.com и официальных сайтов компании.

Состав информации по компаниям содержит: описание деятельности компаний, принадлежности к отраслевой классификации, географическое расположение и адресная информация, а также идентификационные номера, тип и статус компании, количество занятых, финансовая отчётность компаний, биржевая информация для публичных компаний, информация о менеджменте компаний, структура собственности, включая дочерние и другие аффилированные предприятия.

Финансовая отчетность компаний представленная унифицированными стандартами. Ключевые финансовые показатели деятельности компаний, информацию о структуре собственности компаний, разнообразная финансово экономическая информация о частных и публичных компаниях европейских стран. Кроме того для сбора информации была использована информация с официальных сайтов компании, а также отчетность компаний.



Рис. 9 Сводная диаграмма базы исследования в разрезе стран

Были выделены сферы деятельности компаний, представленных в выборке, которые были разбиты на 7 сфер:

Таблица 4 Анализ базы данных по отраслям ¹

Отрасль	количество компаний
Строительство и Недвижимость	162
Производство	461
Химия и энергетика	90
Услуги	197
Торговля и сопутствующие услуги	157
Финансы и страхование	209
Профессиональные услуг	413

¹ Сост. по источнику: исследуемая база данных

Рис. 10 Сводная диаграмма базы исследования по отраслям и странам

На рис.10 наглядно представлена разбивка компаний по отраслям и странам. С целью большей репрезентативности, мы постарались включить все 7 отраслей в каждой стране.

Остановимся более подробно на определении каждой из независимых переменных:

Квалификация членов совета директоров. Для определения данной переменной использовались годовые отчеты в разделе "Информация о совете директоров", кроме того на многих официальных сайтах компании присутствует биография топ менеджмента компании.

В качестве критерия оценки мы использовали наличие квалификации аспиранта либо иную более высокую степень, а также опыт работы в занимаемой должности более 5 лет. Данная переменная принимает значение от 0 до 2: Если более одной трети директоров имеют вышеуказанные звания и опыт работы, мы присуждали 2 балла. Если более одной трети директоров имеют лишь один из указанных критериев, то 1 балл. Если не выполнялось ни одно из условий, то 0.

Затраты на заработную плату. Данная переменная является количественная и была взята из годового отчета в разделе «Отчет о прибылях и убытках».

Наличие корпоративного университета в компании. Данная переменная является бинарной. Поиск данного критерия осуществлялся в открытых источниках, а также на сайте компаний. В случае, если компания имеет корпоративный университет, то присваивался 1 балл, в противном случае 0.

Расходы на НИOКP были взяты из Отчетов о прибылях и убытках компаний. Под расходами на НИOКP мы понимаем совокупность работ, направленных на получение новых знаний и их практическое применение при создании нового изделия или технологии. НИOKP включает в себя: Научно-исследовательские работы -- работы поискового, теоретического и экспериментального характера, выполняемые с целью определения технической возможности создания новой техники в определенные сроки. Подразделяются на фундаментальные (получение новых знаний) и прикладные (применение новых знаний для решения конкретных задач) исследования.

Опытно-конструкторские работы (ОКР) и Технологические работы (ТР) -- комплекс работ по разработке конструкторской и технологической документации на опытный образец изделия, изготовлению и испытаниям опытного образца изделия, выполняемых по техническому заданию.

Необходимо понимать, что не все компании из представленной выборки имеет расходы на НИOКР. В связи с чем мы используем лишь 151 компанию, которые имеют данные расходы.

Влияние структуры капитала на опцион роста - финансовый рычаг. Данный показатель был рассчитан самостоятельно по формуле сумма долгосрочных обязательства и краткосрочных кредитов деленная на акционерный капитал, на основе бухгалтерской величины долгосрочного долга компании, отнесенной к бухгалтерской оценке величины собственного капитала компании.

Чистые капитальные вложения, прирост стоимости ОС. Сумма финансовых ресурсов, направленных на прирост активов предприятия, представляющая собой разность между объемом валовых капитальных вложений предприятия в рассматриваемом периоде и суммой амортизационных отчислений в том же периоде. Данный показатель был рассчитан самостоятельно по формуле чистые капитальные вложения данного года по отношению к предшествующему году.

Наличие направленности на интеллектуальный капитал и управление знаниями в стратегии компании. Данная переменная является бинарной. Поиск осуществлялся на веб-сайте компании с помощью следующих слов, как «интеллектуальный капитал», «управление знаниями». Если компания имеет новости или ссылки на данное направление, как указано выше, мы присуждали 1 балл, в противном случае - 0 баллов.

В своем исследовании мы делаем предположение о влиянии разных детерминантов роста на стоимость компании в разные стадии жизненного цикла компании. Опираясь на теоретические основы, мы разделили компании по стадиям жизненного цикла. Необходимо практически выяснить существует ли различие между стадиями жизненного цикла, которые были взяты для исследования либо различий нет и существует равенство средних в нескольких группах наблюдений. Таким образом, мы можем отдельно проводить анализ различных групп, либо наше предположение нельзя будет проверить на практике. С целью подтверждения нашей гипотезы мы проведем дисперсионный анализ (ANOVA).

Суть дисперсионного анализа заключается в исследовании значимости различий_ между средними с помощью анализа_дисперсий. Деление самой дисперсии на несколько источников помогает сравнить дисперсию, которая связана с различием между группами или в связи с внутригрупповой _изменчивостью. Проверка гипотезы осуществляется при условии истинности нулевой гипотезы, которая подразумевает под собой равенство средних в нескольких группах наблюдений, выбранных из генеральной cовокупности. Оценка дисперсии, cвязанной с внутригрупповой изменчивостью, должна быть близкой к оценке межгрупповой дисперсии. В случае если сравнение идет между средним в двух выборках, дисперсионный анализ даст тот же результат, что и обычный t-критерий для независимых выборок (Вербик М., 2008).

Дисперсионный_анализ имеет oграничение, поскольку он относится к группе параметрических методов, что означает, что он применим только к нормальному _распределению. Из основ теории вероятности, считается, что суммой многих случайных слабо взаимозависимых величин, каждая из которых вносит малый вклад относительно общей суммы, при увеличении числа слагаемых, распределение результата стремится к нормальному распределению.

В данном исследовании мы рассматриваем предположение о значимости различия между темпом роста выручки (факторы, независимые переменные) и стадией жизненного цикла (зависимая переменная).

Стадии жизненного цикла были представлены: 1 стадия роста; 2 стадия зрелости; 3 стадия спада.

Таблица 5 Стадии жизненного цикла компании¹

Descriptive Statistics for REVENUE_GROWTH
Categorized by values of LIFE_CYCLE
Date: 04/21/13 Time: 18:51
Sample (adjusted): 2011 2011
Includedobservations: 1495 afteradjustments
LIFE_CYCLE	Mean	Std. Dev.	Obs.
1	4.809450	48.84825	229
2	1.083338	0.209045	707
3	1.042791	0.226805	559
All	1.638933	19.13142	1495

¹ Сост. по источнику: расчетный пакет EViews7

Чтобы определить, есть ли статистически значимое различие, мы должны сделать ANOVA тест.



Таблица 6 Результат проверки теста ANOVA¹

Test for Equality of Means of REVENUE_GROWTH
Categorized by values of LIFE_CYCLE
Date: 04/21/13 Time: 18:57
Sample (adjusted): 2011 2011
Includedobservations: 1495 afteradjustments
Method	df	Value	Probability
Anova F-test	(2, 1492)	3.727723	0.0243
Welch F-test*	(2, 507.366)	6.007968	0.0026
*Test allows for unequal cell variances
AnalysisofVariance
SourceofVariation	df	SumofSq.	MeanSq.
Between	2	2718.850	1359.425
Within	1492	544102.0	364.6796
Total	1494	546820.9	366.0113
CategoryStatistics
				Std. Err.
LIFE_CYCLE	Count	Mean	Std. Dev.	ofMean
1	229	4.809450	48.84825	3.227983
2	707	1.083338	0.209045	0.007862
3	559	1.042791	0.226805	0.009593
All	1495	1.638933	19.13142	0.494797

¹ Сост. по источнику: расчетный пакет EViews7

Чтобы определить, следует ли отвергнуть нулевую гипотезу или нет, мы смотрим на выделенном ANOVA F-тесте. Prob равен 0,0243, что меньше 0,05. Нулевая гипотеза отвергается, позволяя говорить, что были обнаружены значительные различия с вероятностью меньше 0,05.

Тестирование предположений

Ряд допущений должны быть соблюдены, чтобы обеспечить достоверность нашей гипотезы. Необходимо проверить два предположения:

1) однородность дисперсии;

2) нормальность распределения остатков.

1) однородность дисперсии. Для проверки однородности дисперсии между различными группами используется Levene's test для проверки на равенство дисперсий.

Таблица 7 Результат проверки однородности дисперсии ¹

Test for Equality of Variances of REVENUE_GROWTH
Categorized by values of LIFE_CYCLE
Date: 04/21/13 Time: 19:23
Sample (adjusted): 2011 2011
Includedobservations: 1495 afteradjustments
Method	df	Value	Probability
Bartlett	2	10881.36	0.0000
Levene	(2, 1492)	12.62310	0.0000
Brown-Forsythe	(2, 1492)	3.977035	0.0189
CategoryStatistics
			MeanAbs.	MeanAbs.
LIFE_CYCLE	Count	Std. Dev.	MeanDiff.	MedianDiff.
1	229	48.84825	6.953783	3.999686
2	707	0.209045	0.128738	0.128628
3	559	0.226805	0.140867	0.140620
All	1495	19.13142	1.178715	0.726070
Bartlettweightedstandarddeviation: 19.09659

¹ Сост. по источнику: расчетный пакет EViews7

Так же, как в случае ANOVA мы основываем наше заключение о результате гипотезы на основании prob равно 0.00, что меньше 0,05. Поэтому мы можем отвергнуть нулевую гипотезу и предположить разнородность дисперсии.

2) нормальность распределения остатков. Мы обращаемся к вопросу о нормальности внутри каждой группы. Это может быть сделано в разных направлениях. Первое мы обращаемся к предположению, создав гистограммы распределения для стадий жизненного цикла рис.11

Рис. 11 Гистограмма распределения для стадий жизненного цикла

Красная линия и фактические наблюдения, синие точки, внутри каждой группы рис.11. Как мы видим, существует значительные отклонения от красной линии и, следовательно, мы приходим к выводу, что предположение о нормальном распределении остатков не выполняется.

Основная суть дисперсионного анализа определяется в разделении единой дисперсии изучаемого признака на отдельные компоненты, обусловленные влиянием конкретных факторов, и проверке гипотез о значимости влияния этих факторов на исследуемый признак. Посредством F--критерия Фишера сравнивая компоненты дисперсии друг с другом, можно определить, какая доля общей вариативности результативного признака обусловлена действием регулируемых факторов.

Тест ANOVA показал, что существует разница между стадиями жизненного цикла, которые были представлены: 1 стадия роста; 2 стадия зрелости; 3 стадия спада. Таким образом, мы можем отдельно проводить анализ различных групп.

Во второй главе были сформулированы гипотезы эмпирического исследования, касательно факторов потенциала роста стоимости компании, мы определили драйверы роста стоимости, описали базу для тестирования гипотез, остановились более подробно на определении переменных для тестирования гипотез.



Глава 3. Эмпирическое обоснование факторов потенциала роста стоимости компании

3.1 Проверка гипотезы о значимости факторов потенциала роста стоимости компании

При детализации факторов влияющих на рост компании, мы дополнительно решили учесть жизненный цикл организации. Использование стадий жизненного цикла в работе является научной новизной исследования. На данный момент в опубликованных исследованиях по теме реальных опционов, влияние стадии жизненного цикла не учитывалось. В своем предположении мы отталкиваемся от мнения, что финансовые характеристики компании изменяются по мере ее движения по кривой жизненного цикла компании. Мы разобьем компании по стадиям жизненного цикла и проверим степень воздействия факторов роста стоимости на величину опционов роста компаний на разных стадиях жизненного цикла

Методом исследования стал регрессионный анализ, для которого был использован расчетный пакет EViews7, предусматривающий возможность анализа панельных данных.

Стадия роста

Проверяем первую гипотезу о степени воздействия различных видов факторов на величину опциона роста компании на стадии роста жизненного цикла.

Для первой модели мы в качестве зависимой переменной, использовали p_mva (Market-to-bookratio) - это соотношение рыночной и балансовой стоимости собственного капитала

При проверке первой гипотезы для группы компаний, находящихся на стадии роста (Приложение 6), были получены следующие данные:

Количество наблюдений (obs) составило 1177.



Таблица 8 Таблица результатов первой гипотезы с зависимой переменной MVA ¹

Наименование переменных	Коэффициент	P-value
Расходы на НИОКР	5.634819	0.3743
Финансовый рычаг	-0.141422	0.9251
Чистые капитальные вложения	0.451732	0.0000
Квалификация членов совета директоров	264.6635	0.5734
Затраты на заработную плату	-0.369006	0.2206
Наличие корпоративного университета в компании	289.0236	0.8011
Наличие направленности на интеллектуальный капитал	91.38893	0.9139
R-squared	0.473264

¹ Сост. по источнику: расчетный пакет EViews7

Коэффициент детерминации R_squared равен доле вариации, объясняемой с помощью модели, которая показывает качество подгонки регрессионной модели к наблюдаемым значениям равным 47%. Скорректированный коэффициент детерминации AdjR_squared, который позволяет устранить эффект, связанный с ростом R-_squared при возрастании числа регрессоров, составляет 39%. Стандартные отклонения оценок (Std.Err.) равны 1397. F- статистика, которая позволяет проверить гипотезу о равенстве нулю коэффициентов при всех регрессорах (F-stat=5.66).

P-уровень значимости t-критерия равен вероятности ошибочного принятия гипотезы о различии между средними выборками, при том что она не верна. В своем исследовании p-уровень равный 0.05 рассматривается как приемлемая граница уровня ошибки.

Отметим, что на стадии роста наиболее сильно стоимость компании зависит от капитальных вложений, прироста стоимости основных средств. Причем, увеличение значений этой переменной ведет к увеличению размера стоимости. Увеличение инвестиции в капитальные вложения на стадии роста позволит компании в будущем выходить на новые рынки, выпускать новые продукты или просто увеличить объем продаж.

Отметим, что коэффициенты при всех остальных переменных не значимы, поскольку probability больше 0.05. Незначимость коэффициентов можно объяснить тем, что расходы на НИОКР, финансовый рычаг, квалификация совета директоров, наличие корпоративного университета на стадии роста не оказывает сильного влияния на будущую стоимость.

Для второй модели, в качестве зависимой переменной на стадии роста использовали переменную FGV (будущая стоимость роста).

Таблица 9 Таблица результатов первой гипотезы с зависимой переменной FGV ¹

Наименование переменных	Коэффициент	P-value
Расходы на НИОКР	-34.76506	0.0000
Финансовый рычаг	0.056519	0.9880
Чистые капитальные вложения	0.391918	0.0001
Квалификация членов совета директоров	-273.6195	0.0444
Затраты на заработную плату	12.07446	0.0000
Наличие корпоративного университета в компании	-1628.608	0.0000
Наличие направленности на интеллектуальный капитал	2560.391	0.0000
R-squared	0.697579

¹ Сост. по источнику: расчетный пакет EViews7

При проверке гипотезы для группы компаний, находящихся на стадии роста (Приложение 7), при зависимой переменной FGV, были получены следующие данные:

Количество наблюдений (obs) составило 1177, коэффициент детерминации R_squared равен 70% .

Отметим, что при проверке данной регрессии с зависимой переменной FGV результаты получились несколько спорными, отличными от результатов в первой модели. Можно увидеть зависимость опциона роста от расходов на НИОКР, капитальных вложений, затрат на заработную плату, интеллектуального капитала и корпоративного университета в компании. Причем, увеличение затрат на заработную плату и интеллектуальный капитал и капитальные вложения ведут к увеличению стоимости в будущем.

Отметим, что коэффициенты при переменных финансовый рычаг и квалификация совета директоров оказались незначимы, поскольку probability больше 0.05. Незначимость коэффициента можно объяснить тем, что на стадии роста данные переменные не оказывают сильного влияния на будущую стоимость.

Стадия зрелости

Проверяем гипотезу о степени воздействия различных видов факторов на величину опционов роста компаний на стадии зрелости.

В качестве зависимой переменной использовали p_mva (Market-to-bookratio) - это соотношение рыночной и балансовой стоимости собственного капитала.

При проверке гипотезы для группы компаний, находящихся на стадии зрелости, были получены следующие данные:

Количество наблюдений (obs) составило 9034; коэффициент детерминации R_squared равен 63% ( Приложение 8) .

При проверке данной регрессии с зависимой переменной MVA на стадии зрелости были получены результаты: наиболее сильно опцион роста зависит от расходов на НИОКР, капитальных вложений и интеллектуального капитала. Причем, увеличение значений капитальных вложений и интеллектуального капитала способствовало увеличению размера стоимости в будущем. Увеличение инвестиции в капитальные вложения на стадии роста и зрелости позволяет компании в будущем выходить на новые рынки, выпускать новые продукты или увеличивать объем продаж.



Таблица 10 Таблица результатов гипотезы с зависимой переменной MVA ¹

Наименование переменных	Коэффициент	P-value
Расходы на НИОКР	5.988809	0.0000
Финансовый рычаг	0.407288	0.8807
Чистые капитальные вложения	0.474264	0.0000
Квалификация членов совета директоров	-54.13238	0.7591
Затраты на заработную плату	-0.117452	0.3912
Наличие корпоративного университета в компании	-73.45443	0.9622
Наличие направленности на интеллектуальный капитал	692.6118	0.0028
R-squared	0.633650

¹ Сост. по источнику: расчетный пакет EViews7

На стадии зрелости необходимо отметить положительную зависимость от интеллектуального капитала, поскольку зрелость характеризуется замедлением темпов роста, перспективой для будущего роста служат неосязаемые активы компании.

Была выявлена зависимость от расходов на НИОКР. Данный факт подтверждает вывод Майерса, что инвестиции в НИОКР создают платформу для будущих инвестиций в материальные активы, то есть увеличивают опцион роста (Myers, 1977)

Отметим, что коэффициенты при переменных финансовый рычаг, квалификация совета директоров, затраты на персонал и наличие университета незначимы, поскольку probability больше 0.05. Незначимость коэффициентов можно объяснить тем, что на стадии зрелости не оказывается сильного влияния на будущую стоимость.

Протестируем вторую модель на стадии зрелости, а в качестве зависимой переменной мы используем будущую стоимость роста (FGV).



Таблица 11 Таблица результатов гипотезы с зависимой переменной FGV ¹

Наименование переменных	Коэффициент	P-value
Расходы на НИОКР	-14.64123	0.0000
Финансовый рычаг	4.439029	0.4795
Чистые капитальные вложения	0.975249	0.0000
Квалификация членов совета директоров	-133.7553	0.7433
Затраты на заработную плату	2.842204	0.0000
Наличие корпоративного университета в компании	2.099657	0.9995
Наличие направленности на интеллектуальный капитал	1850.160	0.0006
R-squared	0.618596

¹ Сост. по источнику: расчетный пакет EViews7

При проверке гипотезы, для группы компаний находящихся на стадии зрелости, были получены следующие данные:

Количество наблюдений (obs) составило 9034; коэффициент детерминации R_squared равен 62% ( Приложение 9) .

Отметим, что при проверке данной регрессии на стадии зрелости были получены результаты: наиболее сильно стоимость компании зависит от расходов на НИОКР, капитальных вложений, расходов, а заработную плату и интеллектуальный капитал. Причем, увеличение значений показателя расходов на заработную плату, капитальных вложений и интеллектуального капитала приводит к увеличению опциона роста.

Была выявлена отрицательная зависимость от расходов на НИОКР. Данный факт противоречит большинству выводов, поскольку инвестиции в НИОКР создают платформу для будущих инвестиций в материальные активы, то есть увеличивают опцион роста.

Отметим, что переменные финансовый рычаг, квалификация совета директоров и наличие университета на стадии зрелости не значимы, поскольку probability больше 0.05.

Стадия спада. стоимость эконометрический валовый продукт

Проверяем гипотезу о степени воздействия различных видов факторов на величину опционов роста компаний на стадии спада.

Для модели мы в качестве зависимой переменной использовали соотношение рыночной и балансовой стоимости собственного капитала MVA:

При проверке гипотезы для группы компаний, находящихся на стадии спада, были получены следующие данные:

Количество наблюдений (obs) составило 3333; коэффициент детерминации R_squared равен 30% ( Приложение 10) .

При проверке данной регрессии с зависимой переменной MVA на стадии спада были получены следующие результаты: наиболее сильная зависимость опциона роста выявлена от расходов на НИОКР, капитальных вложений и затрат на заработную плату. Причем, увеличение значений всех указанных переменных приводит к увеличению потенциала роста стоимости

При проверке данной регрессии с зависимой переменной MVA на стадии спада были получены следующие результаты: наиболее сильная зависимость опциона роста выявлена от расходов на НИОКР, капитальных вложений и затрат на заработную плату. Причем, увеличение значений всех указанных переменных приводит к увеличению потенциала роста стоимости.

Таблица 12 Таблица результатов гипотезы с зависимой переменной MVA ¹

Наименование переменных	Коэффициент	P-value
Расходы на НИОКР	2.646181	0.0000
Финансовый рычаг	-7.944924	0.4653
Чистые капитальные вложения	0.279135	0.0000
Квалификация членов совета директоров	48.15104	0.6081
Затраты на заработную плату	0.509566	0.0000
Наличие корпоративного университета в компании	425.1030	0.0600
Наличие направленности на интеллектуальный капитал	8.094635	0.9713
R-squared	0.296790

¹ Сост. по источнику: расчетный пакет EViews7

Увеличение инвестиции в основные средства, в покупку нового оборудования как на стадии роста и зрелости, так и на стадии спада позволяет компании повысить потенциал роста стоимости.

На стадии спада необходимо отметить положительную зависимость от затрат на заработную плату. В исследовании мы понимаем под ними уровень квалификации специалистов, поскольку высококвалифицированные работники имеют высокий уровень дохода. На стадии спада мы наблюдаем снижение темпа роста компаний, в связи с чем именно уровень мастерства специалистов способен сохранить и упрочить положение компании в будущем, и кроме того может являться одним из главных двигателей роста стоимости компаний.

В последней тестируемой модели на стадии спада в качестве зависимой переменной был использован FGV:

Таблица 13 Таблица результатов гипотезы с зависимой переменной FGV ¹

Наименование переменных	Коэффициент	P-value
Расходы на НИОКР	-3.158756	0.0000
Финансовый рычаг	19.55687	0.4843
Чистые капитальные вложения	0.583804	0.0000
Квалификация членов совета директоров	-238.3467	0.3233
Затраты на заработную плату	5.364664	0.0000
Наличие корпоративного университета в компании	467.1458	0.4211
Наличие направленности на интеллектуальный капитал	-561.5773	0.3318
R-squared	0.551792

¹ Сост. по источнику: расчетный пакет EViews7



Количество наблюдений (obs) составило 3333; коэффициент детерминации R_squared равен 55% (Приложение 11).

Отметим, что при проверке данной регрессии с зависимой переменной FGV результаты оказались схожи с регрессией в таблице 13 , а именно наиболее сильно потенциал роста стоимости зависит от расходов на НИОКР, капитальных вложений и затрат на заработную плату. При этом увеличение значений переменной затрат на заработную плату приводит к увеличению опциона роста компании.

На стадии спада выявлена положительная зависимость опциона роста от затрат на заработную плату. Спад характеризуется снижением темпа роста компании, в связи с чем уровень мастерства специалистов способен сохранить и упрочить ее положение в будущем.

Была выявлена обратная зависимость от расходов на НИОКР. Данный факт противоречит большинству выводов.

Отметим, что коэффициенты при переменных финансовый рычаг, квалификация совета директоров и наличие университета оказались незначимы, поскольку probability больше 0.05.

При расчете зависимости от опциона роста были использованы три группы данных в зависимости от стадии жизненного цикла. На этом основании были построены регрессии в зависимости от стадии жизненного цикла.

Таблица результатов с зависимой переменной MVA с учетом стадии жизненного цикла.

Таблица 14 Таблица сводных результатов для всех исследуемых стадий жизненного цикла с зависимой переменной MVA ¹

	Рост	Зрелость	Спад
Расходы на НИОКР		5.988809* 0.0000	2.646181* 0.0000
Чистые капитальные вложения	0.451732* 0.0000	0.474264* 0.0000	0.279135* 0.0000
Затраты на заработную плату			0.509566* 0.0000
Наличие направленности на интеллектуальный капитал		692.6118* 0.0028

¹ Сост. по источнику: расчетный пакет EViews7

В своей работе мы тестировали первую гипотезу о зависимости факторов от потенциала роста стоимости компании на разных стадиях жизненного цикла с использованием двух зависимых переменных MVA и FGV. Мы предполагали, что финансовые характеристики компании изменяются по мере ее движения по кривой жизненного цикла организации, при этом факторы потенциала роста стоимости могут меняться на разных стадиях.

Полученные результаты исследования подтверждают наши суждения. При анализе полученных результатов таблица 14 выявлена положительная зависимость расходов на НИОКР от опциона роста на стадиях зрелости и спада.

Чистые капитальные вложения имеют положительную зависимость от потенциала роста стоимости компании на всех стадиях жизненного цикла.

Затраты на заработную плату имеют положительную зависимость от опциона роста стоимости на стадии спада. Рост компании может быть обеспечен за счет лучших специалистов в ключевых для нее областях.

Направленность на интеллектуальный капитал показывает положительную зависимость от опциона роста на стадии зрелости.

Подводя итог проделанной работы, для зависимой переменной MVA мы получили подтверждение части своих предположений. Финансовый рычаг не имел отрицательной зависимости от опциона роста ни на одной из стадий жизненного цикла. Переменные квалификация членов совета директоров и наличие корпоративного университета так же оказались не значимы.

Важно отметить, что результаты, полученные с зависимой переменной MVA, являются схожими с результатами исследований, проводимых ранее для опциона роста. Кроме того результаты подтверждают наше предположение о влиянии различных факторов (драйверов) стоимости на разных стадиях жизненного цикла компании.

В своей работе мы тестировали вторую гипотезу о зависимости факторов на потенциал роста стоимости компании на разных стадиях жизненного цикла с использованием зависимой переменной FGV.

Полученные результаты являются противоречивыми. При анализе результатов таблица 15, для зависимой переменной FGV, мы видим, что расходы на НИОКР имеют отрицательную зависимость от опциона роста на всех стадиях жизненного цикла. Специфика расходов на НИОКР подразумевают инновацию, обновление и модернизацию. Косвенной причиной противоречия может быть формула расчета FGV, которая включает расходы на НИОКР, как одну из корректировок.

Таблица результатов зависимой переменной FGV с учетом стадии жизненного цикла.

Таблица 15 Таблица сводных результатов для всех исследуемых стадий жизненного цикла с зависимой переменной FGV ¹

	Рост	Зрелость	Спад
Расходы на НИОКР	-34.76506 0.0000	-14.64123 0.0000	-3.158756 0.0000
Чистые капитальные вложения	0.391918 0.0001	0.975249 0.0000	0.583804 0.0000
Затраты на заработную плату	12.07446 0.0000	2.842204 0.0000	5.364664 0.0000
Наличие корпоративного университета	-1628.608 0.0000
Наличие направленности на интеллектуальный капитал	2560.391 0.0000	1850.160 0.0006

¹ Сост. по источнику: расчетный пакет EViews7

Чистые капитальные вложения имеют положительную зависимость от потенциала роста стоимости компании на всех стадиях жизненного цикла.

Затраты на заработную плату имеют положительную зависимость от опциона роста стоимости на всех стадиях. Рост компании может быть обеспечен за счет лучших специалистов в ключевых для нее областях.

Направленность на интеллектуальный капитал показывает положительную зависимость от опциона роста на стадии роста и зрелости.

Наличие корпоративного университета показало отрицательную зависимость от потенциала роста стоимости на стадии роста.