Влияние финансовых рисков на эффективность деятельности компаний нефтяного машиностроения (1142308), страница 19
Текст из файла (страница 19)
Совместно сlogit-моделямианализавпрофессиональнойлитературевстречаютсяпримеры применения probit-моделей для решения похожих задач.Probit-регрессияпредставляетсобойстатистическуюмодельприменяемую в различных областях (экономика, токсикология), котораяпомогаетпроводитьсовокупностиоценкуфакторов.зависимостиМодельоснованазаданныхнапеременныхпримененииотфункциинормального распределении. В экономике probit-модели совместно с другимииспользуются в системах выбора среди заданных альтернатив, к примеру,для анализа вероятности дефолта по кредитам, определения вероятностидожития при страховании и прочих.Probit-модель помогает определить вероятность того, что оцениваемая(зависимая) переменная достигнет значения 1 в условиях зафиксированных123значений иных факторов.
То есть эта модель предназначена для оценки долиположительных исходов при определенных значениях показателей. В probitмодели рассчитывается функция от вероятности как простая линейная связьфакторов. Выражаясь математически, probit-функция устанавливает квантильстандартного нормального распределения при заданной вероятности.Поскольку в перечень задач настоящего исследования входит толькопостроениемоделиоценкивероятностиполученияположительногорезультата компаний нефтяного машиностроения, то нет необходимостистроить модель оценки вероятности банкротства.
Таким образом, цельюработы является построение модели оценки положительного финансовогорезультата. В этом случае, с оценочной точки зрения, для нашей моделивполне достаточно бинарного определения – компания является прибыльнойили нет. Самая корректная оценка бинарных значений представлена вмоделяхprobit-регрессии,посколькуихматематическиесвойствамаксимально упрощают ответ на основной вопрос, не учитывая дальнейшиеизменения прочих факторов.Одна из наиболее известных probit-моделей, используемых для оценкифинансового состояния компании-это модель, в 1984 г.
предложеннаяМ.Змиевским.Модельпостроенанаосноветрехфинансовыхкоэффициентов на группе из 40 компаний-банкротов и 800 действующихкомпаний, чьи акции торговались на NYSE (Нью-Йоркской бирже) в периодс 1972 по 1978 гг. Согласно этой модели, вероятность дефолта компаниизадается функцией (3.1) от переменной Z:124Z = −4.3 − 4.5X1 + 5.7X2 − 0.004X3(3.1)P = f(Z)где:Х1 – отношение чистой прибыли к активам;Х2 – отношение обязательств к активам;Х3 – отношение оборотных активов к краткосрочным обязательствам;f – функция стандартного нормального распределения (имеет математическоеожидание 0 и стандартное отклонение 1).Р – вероятность банкротства.Длявыявленияосновныхфакторовположительнойоценкиэффективности компаний нефтяного машиностроения была построена probitмодель, так как в рамках настоящего исследования необходимо былопостроить комбинации факторов с наибольшей вероятностью приводящих кположительной оценке деятельности компании. В качестве зависимойпеременной выбрана переменная «положительный финансовый результат».Частоту определенных значений указанной переменной можно определитькак вероятность получения положительного финансового результата призаданных финансовых показателях деятельности компании: 1 в случаеполучения прибыли и 0 – убыточность деятельности.Вероятность получения положительного финансового результатаописывается probit-моделью (3.2): = β0 + β1 x1i + ⋯ + βk xki,(3.2)где:z - линейная функция переменных, определяющих искомую вероятность события;х – независимые величины, а ()- функция (3.3) стандартного нормальногораспределения плотности величины z:P = () =1 √2(−)222−,(3.3)где:параметр μ — математическое ожидание (среднее значение), медиана и модараспределения, а параметр σ — среднеквадратическое отклонение (σ ² — дисперсия)125распределения, а х – случайная величина, распределенная согласно описывающейфункции [148].Значения параметров любой пробит-модели, обычно могут бытьопределены методом наибольшего правдоподобия.Для оценки разработанной нами модели необходимо верифицироватьправильность предположений:• ошибки распределены в соответствии с нормальным закономраспределения в рамках нулевого вектора математическогоожидания;• ковариациямеждусамимипоказателямииошибкамиотсутствует;• элементы матрицы, расположенные по диагонали, стремятсяпринять значение «1».Для цели исследования был использован набор данных по компаниямнефтяногомашиностроения,описанныйвглаве2настоящейработы.
Выборка включала информацию по прибыльным, а также инерентабельным компаниям.Опишем базовые принципы формирования модели. Например, оценкаэффективности деятельности компании будет рассчитываться на базевсестороннегоанализапоказателей,прямоотражающихвлияниеопределенных для компаний нефтяного машиностроения факторов риска.Ожидаемый результат использования модели представляет собой общуюоценку эффективности деятельности компании и осуществляется на основерезультатов количественного анализа (результаты расчета вероятности поprobit-модели), а также качественного анализа - матрицы принятия решенийруководства компании.
В формате матрицы отражаются результатыколичественной оценки эффективности, полученные на основе примененияprobit-модели. Затем на указанные результаты накладываются варианты126дальнейших действий в зависимости от выявленных факторов риска ивариантов оптимизации финансовых показателей.Структура используемого массива данных для построения моделипоказана на рисунке 23.Провести абсолютно точную грань, разделив компании на плохие ихорошиеневозможно.Однако,необходимоснизитьдоминимумавероятность ошибки, которая заложена в модели количественной оценки.
Вэтом случае необходимо подобрать такие коэффициенты модели, чтобыизменение исследуемых факторов риска могло с наибольшей возможной дляпредлагаемой модели вероятностью приводить к изменению измеряемогопоказателя–эффективностимашиностроения.деятельностиСледовательно,компаниинеобходимонефтяногоопределитьвесовыекоэффициенты, применяемые в функции распределения эффективностидеятельностикомпаний,прикоторыхотклонениерезультатов,зафиксированных с использованием модели, от реальных данных, будетминимальным.Оценка деятельности компании формируется на основе совокупнойбалльной оценки ряда показателей и индикаторов, определенных какнаиболее значимые, с точки зрения влияния рисков на эффективность ееработы.В качестве объясняющих были выбраны следующие переменные,определенные и обоснованные во второй главе настоящего исследования:• финансовый результат (прибыль)• уровень издержек (себестоимость);• объем продаж (выручка);• величина активов;• размер капитала;• уровень инвестиций (основные средства).127Факторы,формирующие исходный массив данныхКачественныеКоличественныеРазмер капиталаМатрица решенийВеличина активовУровень инвестицийОбъем продажУровень издержекРезультат оценкиИсточник: составлено автором самостоятельно.Рисунок 23 - Структура факторов массива данных для построения многофакторноймодели оценки влияния финансовых рисков на эффективность деятельности компанийФинансовый результат предсказывается предложенной probit-моделью,а его реальные значения по компаниям отрасли применяются для оценкикорректности и практической применимости созданной модели.Набор используемых переменных и их характеристики представлены втаблице 5, составленной на основе анализа 193 рассматриваемых компанийотрасли.Величина активов компаний определяется по балансовым данным.Исследование данного показателя и динамики его изменения позволяетопределить стратегический риск, а также текущую значимость компании дляотраслиимасштабироватьпрочиепеременныедлянахожденияоптимального соотношения.Уровень издержек дает возможность оценить финансовый результат ириск генерирования недостаточных денежных потоков компании.
Величинапоказателя «уровень издержек» определяется на основании информации128отчета о финансовых результатах, и, следовательно, непосредственно влияетна итоговый показатель модели.Размер капитала определяется по балансовым данным, помогаясформироватьсуждениеозапасеустойчивостикомпаниидляпротиводействия возникающим рискам.
Изменение показателя неразрывносвязано с итоговым показателем модели. При этом, показатель «размеркапитала»помогаетсудитьозаинтересованностиакционеровисобственников в развитии компании, что впоследствии предполагаетсяиспользовать для целей качественного анализа.Анализ динамики инвестиций позволяет оценить уровень рискагенерированиянедостаточныхстратегическогорискаденежныхкомпании.потоков,Показательоперационного«уровеньиинвестиций»определяется как величина основных средств из баланса компании.Таблица 5 - Определение переменных и их значений в рамках рассматриваемой выборки193 компаний нефтяного машиностроенияВ миллионах рублейПере-НаименованиеСреднееСтандартноеменнаяпоказателязначениеотклонениеMinMaxx1Финансовый результат-29,11296,67-5 098,89950,68x2Величина активов741,842 212,910,00321 181,83x3Уровень издержек426,581 017,290,0019 213,99x4Размер капитала148,76625,90-7 747,184 761,82x5Уровень инвестиций194,73666,280,0016 305,64x6Объем продаж497,491 121,670,0010 481,17Источник: разработано автором на основе финансовой отчетности компаний фокус –группы [133].129Вместе с тем, объем продаж в целом и его динамика позволяют судитьоб изменениях рынка сбыта, прямо отражают влияние финансовых рисков нафинансовый результат деятельности компании.
Показатель «объем продаж»определяется в стоимостном выражении как величина выручки на основеданных из отчета о финансовых результатах.В результате, основные финансовые показатели объединены в probitмодель оценки влияния факторов риска на эффективность деятельностикомпаний нефтяногомашиностроения.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
