Влияние финансовых рисков на эффективность деятельности компаний нефтяного машиностроения (1142308), страница 17
Текст из файла (страница 17)
Снижению цен способствует и тообстоятельство, что главным критерием отбора при проведении тендера напоставку оборудования и услуг является цена.555547,555055355320182019549млн.тонн545540534,2535530526,7523,45255202012201320142015Фактическое значение20162017Прогнозное значениеИсточник: Расчеты и анализ выполнены автором по данным на основе [136].Рисунок 18 - Объем добываемой нефти и попутного газа, миллионов тоннмлрд.м31076756706656606556506456406356302012672668,2663657,2641,9640,2635,52013201420152016Фактическое значение201720182019Прогнозное значениеИсточник: [136].Рисунок 19 - Объем добываемого газа, миллиардов м3Указанные условия не позволяют планировать инвестиции на развитиетехнологической базы компаний, что ведет к накоплению технологическогоотставания и дальнейшему снижению конкурентоспособности российскихсервисных компаний по сравнению с международными.В настоящее время рынок российского нефтяного сервиса представленболее чем 200 компаниями:• компании,аффилированныеснефтегазовымикомпаниями–ОАО «РН-Бурение», ООО «Таргин Бурение» (ПАО «НК «Роснефть»),ООО«ГазпромГеоресурс»,«Центрцементированияскважин»(ПАО «Газпром») и другие;• нефтесервисные холдинги - IGSS, TGT Oil and Gas Services,ОАО НПО «Буровая техника» - ВНИИБТ, ООО «Газпром бурение»,ГКERIELL,ГК«Интегра»,ООО«БуроваякомпанияЕвразия»,АО «ПромТехИнвест», ГК «Римера», ООО «ТНГ-Групп», ГК «Новомет»;• средние и малые сервисные компании – «БУРС», «Пакер сервис», «Аленд»и другие.Роль отечественных компаний за последние два года повысилась, Рольотечественных компаний за последние два года повысилась, поскольку из-за108прямых запретов на работу в России «большая четверка» между компаний(Schlumberger, Halliburton, Baker Hughes, Weatherford) вышла из многихпроектов.Другимтрендомсталонаращиваниесобственногосервисароссийскими нефтяными компаниями и сокращение спроса на услугиподрядчиков.
Так, к крупнейшим игрокам на нефтесервисном рынке относятсяEurasiaDrillingCompany(29%рынка)исобственныйсервисОАО «Сургутнефтегаз» (28%).8%17%60%15%БурениеГеофизикаРемонт скважинИнтенсификацияИсточник: [140].Рисунок 20 - Структура инвестиций в нефтесервисную отрасльРоссийской ФедерацииКак следует из рисунка 20, в структуре российского нефтесервисногорынка по сегментам по-прежнему доминирует бурение, на долю которогоприходится до 60% объема рынка [140].
Лидерами по объемам буренияостаются ПАО «НК «Роснефть» (9,1 млн м), ОАО «Сургутнефтегаз»(4,5 млн м) и Eurasia Drilling Company (3,8 млн м).Учитывая специфику отрасли, и проведенный нами финансовый анализфинансово-хозяйственной деятельности действующих компаний, в рамкахнастоящего исследования была проведена оценка соответствия действующих109компанийосновнымкритериямоценкиэффективностидеятельностикомпаний нефтяного машиностроения.Попробуем проиллюстрировать данный тезис на примере компанийнефтяного машиностроения, рассмотренных в параграфе 2.1.
настоящейработы.На основе выборки из 193 компаний, действовавших на протяжениивсего рассматриваемого периода (2012-2016 гг.) автору удалось выявитьпороговые значения показателей, иллюстрирующих риски, влияющие наэффективность деятельности компаний нефтяного машиностроения.Анализ полученных данных о динамике уровня маржи по отрасли зарассматриваемый период, отраженных на рисунке 21, позволили не толькоопределить уровень маржи, но и определить пороговые значения этогопоказателя. Учитывая, что маржа рассчитывается путем деления затрат навыручку, то ее оптимальным значением может считаться величина вграницах от 0% до 100%. Соответственно на рисунке 22 отраженыэкстремумы, не вписывающиеся в границыНапример,вотраслинефтяногооптимальныхмашиностроениявзначений.разныегодысуществовали компании, поддерживающие величину маржи 120% и более,т.е.
себестоимость их продукции не покрывалась выручкой. Подобнаяситуацияявносвидетельствуетнедостаточных денежных потоков.ореализациирискагенерирования110Уровень маржи, %400%350%300%250%200%150%100%50%0%201020112012ср2013макс201420152016минИсточник: Расчеты и анализ выполнены автором по данным [133].Рисунок 21 - Динамика маржи в нефтяном машиностроенииЕсли говорить о показателе себестоимости единицы продукции, товыборкаизкомпанийрассматриваемойотраслиможетсчитатьсянерепрезентативной, поскольку информация об объемах выпущеннойпродукции и денежной оценке себестоимости не публикуется в открытойпечати, то отсутствует информационная база для сравнения компанииотрасли, в которой по ряду признаков происходит нишевое расслоение.
В товремя как суммарная денежная оценка себестоимости произведеннойпродукции одних компаний исчисляется миллиардами рублей (например,ООО "ЧТЗ-УРАЛТРАК"), для других она выражается тысячами рублей(ООО ЗАВОД "ДСМ") и такая ситуация сохраняется в течение всегорассматриваемого периода. В таком случае для целей исследования былопринято решение использовать данные в динамике среднеотраслевыхпоказателей, позволяющих установить пороговые значения себестоимости науровне 350-490 млн руб.Аналогичная ситуация характерна и для показателей объема выручки.Внутри рассматриваемой выборки пограничные значения средних по отраслипоказателей были зафиксированы в пределах 410-480 млн руб.111Однакоиприиспользованиисреднихпоотраслизначенийвышеназванных показателей очевидно превышение значения максимальногопограничного показателя себестоимости над пограничным уровнем выручки,что свидетельствует о наступлении значимых рисковых событий в работекомпаний рассматриваемой отрасли, а также их низкой эффективностью всложившихся условиях.Информация об изменении величины основных средств компанийотрасли за анализируемый период, отраженная на рисунке 22, демонстрируетсущественность различий в объемах бизнеса компаний отрасли.
В то времякак одни компании работают на недорогом оборудовании стоимостью внесколько тысяч рублей (например, ООО "ТУЛСИБ"), другие имеютразвитуюинфраструктурыимощныепроизводственныекомплексыстоимостью в миллионы рублей (ПАО "УРАЛМАШЗАВОД").При этом, как было отмечено в параграфе 2.1., объемы вложений восновные средства растут у всех групп компаний данной отрасли. В такойситуации пороговые значения могут быть установлены, исходя из средних(не менее 130 млн руб.) и максимальных показателей (более 3 млрд руб.).Основные средства, миллионов рублейср1000022174291711000млн.руб.29338037007477макс38937509мин39981682375591361450,0030,0032015201652310010100,029000,0020,002201020110,001201220130,0232014Источник: Расчеты и анализ выполнены автором по данным [133].Рисунок 22 - Динамика основных средств112Полученный набор факторов и пороговых значений показателейпозволяет выстроить скоринговую (балльную) модель оценки влиянияфинансовых рисков на эффективность деятельности компаний.
Построениетаких моделей сейчас достаточно часто встречающаяся практика, посколькуотвечает рекомендациям, изложенным в COSO ERM [145]. Опираясь наупомянутый стандарт, для обработки значительного объема данныхпредлагается создавать модели и системы в целях автоматизированнойобработки. В свою очередь, качество проводимой оценки риска зависит отполнотыидостоверностиинформационнойбазыисследования.Достоверность анализируемой информации достигается за счет соблюденияследующих правил:• репрезентативность содержания;• скорость представления;• актуальность;• корректность;• открытость.Под скоринговой моделью обычно понимают математическую модель,которая помогает определить на основе истории наблюдений, каковавероятность наступления определенного события.То есть скоринговая модель-это сумма параметров явления, с учетом ихвеса, указывающего на влияние каждого из факторов на конечный результат.В итоге выводится интегральный показатель, наивысшие значения которогоуказываютнамаксимальнуювероятность наступленияисследуемогособытия.
В дальнейшем все события классифицируются в зависимости отстепени влияния на конечный результат.Целью скоринга является не поиск ответов, о причинах наступлениярисковых событий, а установление характеристик, максимально точнооценивающих исследуемый процесс или явление.113Несмотрянапростотутакогометода,бываетзатруднительноопределить на каких параметрах лучше строить модель и какие из нихявляются наиболее значимыми для исследуемого события.Чем однороднее выборка наблюдений, используемая для построениямодели, тем точнее ее результаты.
Поэтому, как нам представляется,нецелесообразно использовать без адаптации зарубежные модели.Подходы к статистическому распределению выборки на категориибыли впервые применены в 1936 г. Гансом Фишером для исследованиярастений. Затем, в 1941 г. такой метод был использован Давидом Дюраномдля целей определения качества кредитов. В середине прошлого века в СанФранциско была создана консалтинговая фирма Fair Issac основнымнаправлением деятельности которой стало проведение скоринговых оценок.Указанная компания и в настоящее время продолжает быть ведущимразработчиком скоринговых моделей.Появление и быстрый рост популярности пластиковых карт послужилтолчком к расширению использования такого метода оценки деятельности.Увеличивающийся поток клиентов, решивших приобрести в пользованиекредитные карты, практически заставил банки и торговые организациимодернизировать процесс оценки кредитоспособности своих клиентов ификсации кредитных решений.
По истечении определенного срока, банкирыобнаружили как повышение скорости обработки запросов на кредитныекарты, но и оценили качество получаемых оценок кредитоспособности.Согласно американским научным публикациям, доля «безнадежных»кредитов в портфелях сократилось до 50% в результате внедрения воперационную деятельность скоринговых моделей [99].В настоящее время скоринговые методы используют уже не толькобанки и торговые организации для оценки кредитных рисков, но и другиекомпании из разных секторов экономики и бизнеса. В частности,114• для выбора самых действенных способов воздействия нанедобросовестныхклиентоввпроцессевзысканиязадолженности;• длярекламыприопределениикатегорийпользователей,потенциально заинтересованных в приобретении предлагаемогопродукта;• при определении клиентских предпочтений;• для оценки юридических и прочих рисков.Итак, в нашем распоряжении находится существенный объемразнородных данных в отношении исследуемых компаний.
В целяхклассификациикомпаний,наделенныхсущественноразнымихарактеристиками и обоснования решений по оценке риска, в соответствии сформализованными критериями выявляется необходимость разработкиматематической модели. Указанная модель призвана облегчить оценкууровня значимости анализируемой информация и произвести фильтрациювыборки от лишних данных.В процессе разработки скоринговой модели в первую очередьнеобходимосформироватьСформированнаягруппа«положительные»и«обучающую»распределяется«отрицательные».выборкуорганизаций.наследующиекатегорииВрассматриваемом-случаенеобходимо сгруппировать все анализируемые компании по признакуфинансового результата, поскольку очевидно, что у нерентабельныхкомпаний выявленные нами риски уже реализовались.Другими словами, скоринг предполагает решение уравнения, где наосновании имеющейся статистики формируется функция, позволяющаягруппировать компании в рамках имеющегося массива на «подходящих» или«неподходящих» клиентов.Сэтойцельюнеобходимопереработатьпредставленнуювраспоряжение аналитика информацию в форму приемлемую для анализа.Широкуюизвестностьвнастоящеевремяполучилидванаиболее115оптимальных способа, которые могут применяться как для анализакачественных, так и количественных показателей.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
