Оценка инвестиционной привлекательности через анализ информационного пространства финансового рынка

Размещено на http://www.allbest.ru/

Новосибирский государственный университет экономики и управления

Оценка инвестиционной привлекательности через анализ информационного пространства финансового рынка

М.А. Алексеев, В.Д. Сухоненко

Аннотация

Определены методологические проблемы оценки инвестиционной привлекательности существующими методиками. Обозначена взаимосвязь инвестиционной привлекательности, институциональных условий и стратегий поведения компаний в информационном поле финансового рынка. Предложена модель оценки инвестиционной привлекательности на основе типологической группировки, в основе которой лежит характер поведения экономических субъектов как поставщиков информации на финансовом рынке. Разработана и апробирована на реальных совокупностях методика оценки инвестиционного климата регионов. Получены инвестиционные индексы для выборки, включающей 16 регионов России. Проведен сравнительный анализ авторской и существующих методик. Определены коэффициенты корреляции инвестиционных рейтингов с данными статистики социально-экономического положения субъектов РФ. Подтверждены применимость предложенной модели, гипотеза эволюционной эффективности финансовых рынков. Предложен переход от оценки инвестиционной привлекательности к оценке потенциалов роста на базе осуществленной группировки информационного пространства финансового рынка. Результаты исследования могут быть применены для оценки инвестиционной привлекательности регионов и отраслей, построения стратегий развития регионов, инвестиционных стратегий, анализа институциональной среды.

Ключевые слова: инвестиционная привлекательность, информационное пространство, экстрафи- нансовая информация, манипулирование отчетностью, региональная экономика.

Abstract

The article defines the methodological problems of assessing the investment attractiveness by existing methods. The interrelation between investment attractiveness, institutional conditions and strategies of companies ' behavior in the information space of the financial market was indicated. The authors propose a model for evaluating the investment attractiveness through a typological grouping, which is based on the nature of the behavior of economic entities as information providers in the financial market. A methodology for assessing the investment attractiveness in the region was developed and tested on real sets. Investment attractiveness indexes for sampling of 16 regions of Russia were obtained. A comparative analysis of the author's and existing methods was carried out. Correlations of investment ratings with data of the socioeconomic status of the subjects of the Russian Federation are determined. The transition from an estimation of an investment attractiveness to an estimation of potentials of growth on the basis of the carried out grouping of an information space ofthe financial market is offered. The results ofthe research can be applied to the development of regional development strategies, investment strategies, institutional environment analysis, assessment of investment attractiveness of regions and industries.

Key words: investment attractiveness, information space, extrafinancial information, accounting manipulation, regional economy.

Актуальность и постановка проблемы

Инвестиции определяют социально-экономическое положение региона. Объём и направления инвестиций зависят от существующих в регионе условий, формирующих инвестиционную привлекательность [1]. Оценка инвестиционной привлекательности региона позволяет сформировать инвестиционные стратегии для региона и хозяйствующих субъектов [2]. Исходные статистические данные для оценки инвестиционной привлекательности подвержены манипулированию как со стороны компаний (искажение бухгалтерской отчётности), так и со стороны органов государственной статистики. Необходимо построение алгоритма оценки инвестиционной привлекательности, учитывающего достоверность и доступность информации [3].

На инвестиционную привлекательность как комплексное понятие влияют такие факторы, как развитость инфраструктуры, ресурсная база, качество и объём человеческого капитала, платёжеспособный спрос, возможности выхода на национальный и международный рынки, институциональная среда, социально-политические, экологические, финансовые и правовые риски.

Существующие методики оценки инвестиционной привлекательности, такие как «Рейтинг инновационного развития субъектов Российской Федерации» Института статистических исследований и экономики знаний НИУ ВШЭ [4], «Рейтинг социально-экономического положения регионов» РИА [5], «Национальный рейтинг состояния инвестиционного климата в субъектах РФ» Агентства стратегических инициатив [6], «Рейтинг инвестиционной привлекательности регионов России» РА «Эксперт» [7], «Рейтинг инвестиционной привлекательности регионов России» Национального рейтингового агентства [8], «Индекс конкурентоспособности региона АУ RCI» [9], рейтинг Ассоциации инновационных регионов России [10], базируются на оценке описанных выше факторов по данным официальной статистики и методом экспертных оценок.

Слабой стороной всех рассмотренных рейтингов является субъективность весов, отсутствие единой интегрированной модели (фрагментарность анализа), зависимость от статистических данных (которыми можно манипулировать), невозможность переноса модели оценки инвестиционной привлекательности на уровень отраслей и компаний, фокус на специфических свойствах, присущих именно территориальному разрезу [11].

Целью работы является построение алгоритма оценки инвестиционной привлекательности регионов с учётом характеристик информационного пространства финансового рынка.

Основная гипотеза исследования (гипотеза 1): оценка информационного пространства финансового рынка позволяет построить рейтинг инвестиционной привлекательности регионов, имеющий значимую корреляцию с существующими инвестиционными рейтингами.

Дополнительные гипотезы, охватывающие социально-политический и финансовый аспекты инвестиционной привлекательности: информационная прозрачность и инвестиционная привлекательность растут с улучшением социально-экономического положения (гипотеза 2), улучшением доступа к банковскому финансированию (гипотеза 3), большей прозрачностью государственного управления (гипотеза 4), усилением гражданского общества (гипотеза 5) и положительно коррелируют с индикаторами инвестиционной активности (гипотеза 6).

Типологическая группировка информационного пространства финансового рынка

Гипотеза адаптивного рынка (далее - АМН), предложенная Э. Ло, предлагает исследование финансового рынка с позиций эволюционного подхода: игроки и институты, конкурируя, эволюционируют и отсеиваются в рамках экономической селекции [12]. Расширим данную гипотезу, добавив фактор институциональных изменений: хозяйствующие субъекты адаптируются к изменениям институциональной среды, т. е. помимо постепенных трансформаций участников рынка в ходе их взаимодействия, учитываемых в АМН, происходят и изменения в поведении участников, связанные с переменами в институциональных условиях.

Информационные стратегии компаний являются отражением бизнес-стратегий. Таким образом, поведение фирм в информационном пространстве финансового рынка зависит от институциональных условий, а значит, выявив характер распространения информации, можно определить качество бизнес-среды. Иными словами, оценка информационного пространства финансового рынка будет выступать комплексной оценкой инвестиционной привлекательности.

Выделим две проекции для характеристики информации: проекция спроса и проекция предложения. Им соответствуют два признака качества информации: доступность (полнота отражения) и объективность (неискажённость). Объективность информации позволяет принимать на её основе рациональные решения, а доступность снижает уровень ^определённости [13].

Под доступностью информации понимается возможность её свободного получения. Информация, доступная лишь ограниченному кругу лиц, - служебная. Информация, доступ к которой не требует привилегий, называется общедоступной.

Свободное распространение информации снижает неопределённость, но позволяет распространять «информационный шум», который приводит к искажённому восприятию информации и смещению оценки финансовых активов. Поэтому следует разделять публичную информацию, использование которой не ограничено и не влечёт убытков, и информацию, содержащую информационный шум.

Таким образом, с точки зрения доступности выстраивается следующая последовательность: наиболее полезной является публичная информация, меньшую полезность имеет общедоступная информация с информационным шумом, самую низкую - служебная информация.

Раскрытие информации влечёт и затраты: растут адаптационные издержки, связанные с потерями в связи с оппортунистическим поведением, возникновением информационного шума, и издержки координации, связанные с менеджментом процесса. Дуализм, вызываемый раскрытием информации, показан в работе Б. Хермалина и М. Вайсбаха [14]. Уровень раскрытия компанией информации зависит от степени ожидаемой волатильности будущих денежных потоков, как доказали Б. Йоргенсен и М. Киршенхайтер [15].

Распространённая практика искажения финансовой отчётности обусловливает необходимость оценки достоверности данных и деления компаний на искажающие и не искажающие финансовую отчётность [16]. Достоверность отчетности (выраженный характер информации в противовес желанию скрыть негативную информацию «креативным учётом» [17]) повышает инвестиционную привлекательность компании и снижает инвестиционные риски, а значит, и стоимость привлечения капитала.

Исходя из описанных выше положений, инвестиционная привлекательность компании повышается с ростом публичности и достоверности информации, однако компании действуют с учётом адаптационных и координационных издержек, зависящих как от внутренних свойств компаний, так и внешней среды - оба фактора определяются в конечном счёте характером институтов. То есть закрепляется полученный ранее вывод: определить качество институтов и уровень инвестиционной привлекательности выбранной территории или отрасли возможно, проанализировав поведение компаний в информационном пространстве финансового рынка и выделив преобладающие информационные стратегии.

Определение основных поведенческих типов реализовано через разделение общедоступной и конфиденциальной, выраженной и скрытой информации [11] (табл. 1).

Компании, принадлежащие к виду, обозначенному как «травоядные», стремятся максимально раскрыть информацию о себе, сообщая участникам финансовых отношений достоверные сведения. Информационная стратегия «растений» ориентирована, с одной стороны, на перевод конфиденциальной информации в общедоступную, а с другой - предполагает существование значимой скрытой компоненты. «Паразиты» ориентированы на формирование максимального информационного шума вокруг раскрываемой ими выраженной информации. Информационная стратегия компаний, входящих в группу «плотоядные», направлена на использование информационного шума при максимальном сокрытии информации. «Симбионты», сохраняя информацию, связанную с функционированием компании в рамках конфиденциальных границ, готовы делиться ею ради установления долгосрочных партнерских отношений. Компании, информационная стратегия которых обозначена как «мимикрия», не только не стремятся сделать конфиденциальную информацию общедоступной, но и в рамках служебной информации осуществляют максимальное сокрытие.

Предложенный теоретический подход позволяет проводить оценку финансовой составляющей инвестиционной привлекательности и видов экономической деятельности во временном и терри ториальном разрезах. Сходимость ключевых оснований информационного пространства финансового рынка и инвестиционной привлекательности регионов исследована в работах ряда авторов [18].

Таблица 1 Классификация компаний - поставщиков информации

Результаты полученной типологической группировки через назначение соответствующих весов выделенным признакам могут быть свернуты в интегральную оценку инвестиционной привлекательности, которая находится в интервале [1; 15] (см. табл. 1). Весы для характеристик доступности и достоверности информации определены исходя из влияния соответствующей характеристики на инвестиционную привлекательность. Весовые коэффициенты для поведенческих типов получены путём умножения значений весов для характеристики достоверности и доступности соответствующего поведенческого типа. Полученные оценки могут быть сопоставлены с рейтингами инвестиционной привлекательности регионов, рассчитываемыми другими организациями, в частности ВШЭ.

Построение рейтинга инвестиционной привлекательности регионов

При построении рейтинга и сравнительном анализе с другими рейтингами и данными статистики использовались данные за 2015 г., так как по ним имеется наиболее полная информация. Для сопоставления случайным образом отобрано 16 субъектов РФ. По каждому региону случайным

образом сформированы исследовательские выборки - 100 компаний, имеющих ненулевую выручку, со следующими дополнительными ограничениями: если в регионе достаточно ПАО, то в выборку попадают исключительно ПАО, если публичных компаний не хватает, то добавляются НАО; если даже при добавлении НАО компаний в области меньше 100, то итоговый коэффициент по имеющемуся количеству компаний (n) помножается на 100 / n.

Случайный отбор компаний позволяет сгладить разницу в масштабах экономик регионов. Несмотря на тенденцию к регистрации компаний в Москве или столицах федеральных округов, а не на территориях основной деятельности, выборка компаний по регионам на основе официального местоположения компаний, во-первых, является наиболее удобной при работе с большим объёмом данных, во-вторых, по-прежнему отражает инвестиционную привлекательность регионов, так как выбор места регистрации компании зависит в том числе от условий налогообложения, защищённости прав собственности, эффективности регионального управления - факторов, непосредственно связанных с инвестиционной привлекательностью.

Достоверность финансовой отчётности оцениваем с помощью пятифакторной модификации индекса M-Score М. Бениша [19], предложенной М. Роксас [20].

Проверка доступности информации осуществляется через анализ лингвистического содержания корпоративных сайтов. Если компания не имела сайта, то принимается, что информация распространяется по деловым каналам и является служебной, в противном случае - общедоступной. Публичная информация отделена от информационного шума с помощью общедоступной программы контентного анализа.

Информационной базой исследования являются корпоративные сайты компаний и система комплексного раскрытия информации «СКРИН».

Таблица 2 Сравнение инвестиционных рейтингов НГУЭУ, ВШЭ, РИА и АИРР

Сопоставление результатов авторской оценки с результатами существующих методик и статистическими данными

Сворачивание результатов полученной типологической группировки через назначение соответствующих весов выделенным признакам (см. табл. 1) позволило получить оценку инвестиционной привлекательности для каждого региона. После нормирования сопоставляем значения авторского рейтинга (НГУЭУ) и рейтингов ВШЭ, РИА и АИРР по выбранным субъектам РФ (табл. 2). инвестиционный стратегия финансовый поставщик

Определяем взаимосвязь рейтингов с помощью коэффициента корреляции Пирсона (табл. 3) и коэффициента ранговой корреляции Спирмена (табл. 4). Значения коэффициентов корреляции интерпретируются по шкале Чеддока. По обоим коэффициентам корреляции построенный рейтинг имеет среднюю зависимость с рейтингами ВШЭ и РИА и высокую зависимость с рейтингом АИРР. Рейтинг РИА имеет среднюю зависимость со всеми представленными рейтингами. Рейтинги АИРР и ВШЭ имеют высокую зависимость между собой. При этом все коэффициенты ранговой корреляции ниже, чем корреляции Пирсона.

Таблица 3 Корреляция Пирсона между рейтингами

Таблица 4 Корреляция Спирмена между рейтингами

Таблица 5 Корреляция Пирсона между рейтингами со статистическими показателями

Таблица 6 Переход от поведенческих типов к оценке потенциалов роста

Таким образом, подтверждена гипотеза 1 о возможности построения рейтинга инвестиционной привлекательности регионов через информационное пространство финансового рынка, который имел бы значимую корреляцию с существующими рейтингами.

С помощью сравнения со статистическими показателями проверим дополнительные гипотезы. Коэффициенты корреляции Пирсона для рассматриваемых рейтингов и статистических показателей социально-экономического положения регионов показаны в табл. 5.

Рейтинг НГУЭУ имеет среднюю зависимость с Индексом человеческого развития (ИЧР), остальные рейтинги - высокую зависимость. Так как ИЧР интегрально отображает социально-экономическое положение регионов, наличие значимой корреляции подтверждает гипотезу 2.

Наблюдается прямая положительная зависимость между всеми рейтингами и ожидаемой продолжительностью жизни, показателями банковского сектора (подтверждается гипотеза 3), рейтингом прозрачности государственных закупок (гипотеза 4) [21], числом некоммерческих организаций на душу населения (гипотеза 5).

Инвестиции в основной капитал на душу населения слабо отрицательно коррелируют со всеми инвестиционными рейтингами, кроме РИА. ВРП на душу населения не имеет значительной корреляции со всеми рейтингами, кроме РИА. Инвестиции в основной капитал (всего по региону) имеют среднюю зависимость с рейтингами НГУЭУ и ВШЭ и высокую с рейтингами РИА и АИРР. Таким образом, подтверждается гипотеза 6 для абсолютного индикатора инвестиционной активности и не подтверждается для показателей на душу населения.

Итак, значения авторского рейтинга сопоставимы как с результатами других рейтингов, так и с показателями социально-экономического развития регионов. При этом существующие рейтинги включают в себя показатели социально-экономического развития регионов, что позволяет им показывать высокую корреляцию с данными статистики и между собой, но искажает отражение инвестиционной привлекательности и институциональной среды региона.

Высокая корреляция рейтингов может являться результатом нормирования и усреднения статистических данных, т. е. действия центральной предельной теоремы. Использованные при построении авторского рейтинга методы оценки достоверности отчётности и лингвистической оценки текста могут недостоверно интерпретировать характер информации, распространяемой компаниями, снижая эффективность модели.

Выводы и пути решения методологических проблем оценки инвестиционной привлекательности

Гипотезы исследования подтверждены: с помощью оценки информационного пространства финансового рынка построен инвестиционный рейтинг по 16 субъектам РФ, значения рейтинга имеют значительные зависимости (средние и высокие по шкале Чеддока) с существующими инвестиционными рейтингами и показателями социально-экономического развития регионов.

Авторская методика позволяет снизить издержки оценки инвестиционной привлекательности региона за счёт применения совокупност- ной концепции оценки по двум качественным параметрам: доступности и достоверности информации. При этом остаётся субъективность в определении количественных весов для качественных параметров, которая может быть снижена через исследование инвестиционной привлекательности каждого поведенческого типа и динамики перемещения компаний между поведенческими типами в течение бизнес-цикла. Использованные для построения авторского рейтинга модели несовершенны и требуют доработки или замены. Оценка инвестиционной привлекательности с помощью других существующих методик требует предварительного анализа достоверности отчётности компаний и статистических органов.

Авторская методика позволяет оценивать инвестиционную привлекательность как на уровне региона, так и по муниципальным образованиям, отраслям и отдельным компаниям, учитывает институциональную среду и информационное пространство финансового рынка. Выделенные типологические группы открывают возможность отдельного анализа инвестиционного потенциала, потенциала развития малого предпринимательства, налогового потенциала и рисков совершения экономических правонарушений (табл. 6). На основе комплексного анализа указанных катего-рий возможно определение инвестиционных стратегий для регионов.

Литература

1. Новиков А. В. Инвестиционная привлекательность региона : учеб. пособие / А. В. Новиков // Новосибирск : НГАЭиУ 2001. - 142 с.

2. Крамин Т. В. Инвестиционная привлекательность региона как основа разработки и реализации регионального инвестиционного проекта / Т В. Крамин, В. А. Леонов, А. В. Тимирясова // Вектор науки ТГУ - 2013. - № 2 (24). - С. 293-300.

3. Алексеев М. А. Гипотеза эволюционной эффективности финансовых рынков / М. А. Алексеев // Вестник НГУЭУ - 2017. - № 1. - С. 10-25.

4. Рейтинг инновационного развития субъектов Российской Федерации. Вып. 5 / Г. И. Абдрахманова [и др.]. - М. : НИУ ВШЭ, 2017. - 260 с.

5. Рейтинг социально-экономического положения регионов / РИА.

6. Национальный рейтинг состояния инвестиционного климата в субъектах РФ / Агенство стратегических инициатив.

7. Столбова А. Инвестиционная привлекательность регионов - 2016 : области повышенного риска / А. Столбова, Д. Кабалинский, 2016.

8. Рейтинг инвестиционной привлекательности регионов России : тенденции по итогам 2016 года / Национальное рейтинговое агенство. - М. : НРА, 2016.

9. Индекс конкурентоспособности регионов - Полюсы роста России (AV RCI 2015) / AV Group, 2015.

10. Семёнова Р Рейтинг инновационных регионов для целей мониторинга и управления 2015 г. (версия 2.0) / Р. Семёнова // Ассоциация инвестиционных регионов России. - М. : АИРР, 2015. - 8 с.

11. Глинский В. В. Оценка инвестиционной привлекательности через информационное пространство финансового рынка / В. В. Глинский, М. А. Алексеев, В. Д Сухоненко // Статистика в цифровой экономике : обучение и использование : материалы междунар. науч.-практ. конф. - СПб. : Изд-во СПбГЭУ 2018. - С. 180-182.

12. Lo A. The Adaptive Markets Hypothesis: Market Efficiency from an Evolutionary Perspective / A. Lo. - New York : Journal of Portfolio Management, 2004. - P. 33.

13. Алексеев М. А. Информационное пространство финансового рынка : монография / М. А. Алексеев. - Новосибирск : Изд-во НГУЭУ, 2017. - 247 с.

14. Hermalin B. E. Information disclosure and corporate governance / B. E. Hermalin, M. S. Weisbach // The Journal of Finance. - 2012. - Vol. 67, iss. 1. - P. 195-223.

15. Jorgensen B. N. Discretionary risk disclosures / N. Jorgensen, M. T. Kirschenheiter. - Accounting Review. - 2003. - Vol. 78, no. 2. - P. 449-469.

16. Алексеев М. А. Влияние манипулирования финансовой отчётностью на оценку стоимости компании / М. А. Алексеев, М. Ю. Савельева, С. А. Слайковский // Сибирская финансовая школа. - 2017. - № 1 (120). - 107-110.

17. Баранов П. П. Креативный учёт в контексте концепции достоверного и добросовестного взгляда : Pro et contra / П. П. Баранов // Международный бухгалтерский учёт. - 2017. - Т. 20, вып. 1. - С. 16-34.

18. Алексеев М. А. О манипулировании в информационном пространстве / М. А. Алексеев, В. В. Глинский,

19. С. В. Анохин // Вестник НГУЭУ - 2017. - № 4. - С. 10-21.

20. Beneish M. D. The detection of earnings manipulation / M. D. Beneish // Financial Analysts Journal. - 1999. - № 55. - P. 24-36.

21. Ферулева Н. В. Выявление фактов фальсификации финансовой отчетности в российских компаниях : анализ применимости моделей Бениша и Роксас / Н. В. Ферулева, М. А. Штефан // Российский журнал менеджмента. - 2016. - Т 14, № 3. - С. 49-70.

22. Национальный рейтинг прозрачности закупок / Организационный комитет «Национального рейтинга прозрачности закупок». - М. : НАУЭТ, 2015. - 103 с.

Размещено на Allbest.ru