Автореферат (1152226), страница 6

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 6)

инвестиции (8 переменных);5. институциональные преобразования в экономике (7 переменных);6. преступленияиправонарушениявсфереэкономики(4 переменных).С целью сокращения количества объясняющих переменных в первомуравнении системы для переменной y1 – стоимость конфликтных активовбыл реализован метод главных компонент с последующим вращениемBiquartimax.

В результате было выделено пять обобщенных факторов. Впоследующем для модели был осуществлён обратный переход от главныхкомпонент к исходным объясняющим переменным.При построении второго уравнения системы для переменной y 2 –количество сделок слияний и поглощений было выявлено резкое изменениетенденции в её динамике и наличие значительного разброса, что подтвердилтест Чоу. В связи с этим в уравнение регрессии была введена фиктивнаяпеременная:1, t  t *ut  , где _ t *  69  сентябрь _ 2008г.0, t  t *С учетом дискретного характера зависимой переменной y 2 припостроении модели, описывающей количество заключенных сделок, былаиспользована модель регрессии Пуассона, а в качестве эндогенной в системеодновременных уравнений рассматривалась переменная lny2t.При построении третьего уравнения системы для переменной y 3 –сумма сделок слияний и поглощений было выявлено резкое изменениетенденции в её динамике и наличие значительного разброса, что подтвердилтест Чоу.

В связи с этим в уравнение регрессии была введена фиктивнаяпеременная:*1, t  tzt  , где _ t *  65  май _ 2008г.0, t  t *В эконометрической модели интеграционной активности в российскойэкономике, представленной в виде системы из трёх одновременныхуравнений, величина лагов предопределенных переменных определялась наоснове частных автокорреляционных и кросс-корреляционных функций.24Полученная с помощью пошаговых алгоритмов регрессионного анализаэконометрическая модель интеграционной активности в России имеет вид:ŷ1,t  0,15  0,26y1,t 1  0,09x1,t 8  0,03x 4,t 9  0,21x 24 ,t 5  0,23x 26,t 2  0,18x 29 ,t 3  0,02 x 36,t 8  0,15x 37 ,t 7  0,02x 44 ,t 5  0,05x 45,t 5  0,14 x 47 ,t 8  0,11x 50,t 6  0,08x 54 ,t , где _ R 2  0,83, Fнабл .  49,98, ŝ  0,42;ln ŷ 2,t  1,92  0,12 ln y 2,t 1  0,02 ŷ1,t 1  0,09 x16,t  0,002 x 31,t  0,13x 54,t  0,01u t , гдеR 2pseudo  0,82, LR  62,37, ŝ  0,23;ŷ3, t  7,83  1,52 ŷ1, t  0,14 ŷ 2, t  0,05x16, t  0,018x 24 , t  9  0,02x 37 , t  7  0,03x 54 , t  2,03z t , где _ R 2  0,87, Fнабл .

 14,76, ŝ  0,43.В представленной модели все три уравнения и вошедшие в нихкоэффициенты регрессии значимы на уровне   0,05 , а множественныекоэффициенты детерминации находятся в интервале от 0,82 до 0,87.В модель вошли следующие экзогенные переменные: x1 – объем ВВП;x4 –индекс промышленного производства; x16 – удельный вес убыточныхорганизаций в общем числе организаций в промышленности; x 24 –волатильность фондового рынка; x26 – общая капитализация российскогофондового рынка; x29 – индекс ММВБ Финансы; x31 – цена нефти маркиURALS; x36 – объем инвестиций в основной капитал; x37 – объем инвестицийот иностранных инвесторов; x44 – число приватизированных имущественныхкомплексов; x45 – число открытых акционерных обществ, созданных врезультате преобразования государственных и муниципальных унитарныхпредприятий; x47 – цена сделки приватизации имущественного комплексагосударственных и муниципальных унитарных предприятий; x50 –количество выпущенных акций открытых акционерных обществ; x 54 – числоуголовных дел, связанных с рейдерством.Анализ модели свидетельствует об однонаправленном измененииобъема иностранных инвестиций и стоимости сделок слияний ипоглощений.

При этом в каждое уравнение системы входит x54 – числоуголовных дел, связанных с рейдерством, что свидетельствует о наличиепроблемы с институционально-правовым обеспечением бизнеса. Модельтакже свидетельствует об обратной зависимости между волатильностьюфондового рынка и стоимостью сделок M&A. Таким образом, увеличениенеопределенности на рынке капитала снижает стимулы российскихкомпаний к реализации инвестиционных программ, в том числе иинтеграционных проектов. В то же время увеличение неопределенности нафондовом рынке увеличивает стоимость конфликтных активов.Полученныерезультатымогутбытьиспользованыдлясовершенствования условий ведения бизнеса и системы государственногостратегического управления, а также улучшения инвестиционного климата встране, что должно явиться залогом успешного социально-экономическогоразвития как страны в целом, так и ее отдельных регионов.25В рамках пятого научного результата разработана и апробированаметодика прогнозирования интеграционной активности холдинговыхструктур на основе сезонных моделей временных рядов, позволяющаяоценить эффективность применяемых инструментов стимулированияинвестиционной деятельности и повысить обоснованность краткосрочныхисреднесрочныхпрогнозовсоциально-экономическогоразвития,учитывающих протекающие интеграционные процессы.Только в последние годы благодаря накопленной статистическойинформации по интеграционным сделкам холдинговых структур в Россииначинают формироваться подходы к прогнозированию интенсивностипроцессов интеграции.

В связи с этим в работе проведен анализ подходов кисследованию процессов корпоративной интеграции стран с развитойинституциональной средой.В работе обосновываетсяцелесообразностьпрогнозированияинтеграционной активности в России на основе сезонных моделейвременных рядов. При этом учитывалось, что большинство исследователейуказывают на волнообразность процессов слияний и поглощений, которыеподвержены влиянию не только своей ближайшей истории, но и значениямM&A в далеком прошлом.

Это свидетельствует о наличии фундаментальныхфакторов, влияющих на динамику интеграционной активности холдинговыхструктур.Анализ помесячных данных по интеграционной активностихолдинговых структур проводился с целью прогнозирования за период сянваря 2003 г. по декабрь 2013 г. по двум показателям: количество исуммарная стоимость интеграционных сделок российских холдингов.При построении модели динамики количества заключенных сделокучитывалось, что начиная с момента времени t*=69 (сентябрь 2008 г.)происходит изменение тенденции динамики количества заключенныхсделок слияний и поглощений.

В этой связи в модель включена фиктивнаяпеременная  t , характеризующая ряд до и после сентября 2008 г.Модель динамики количества заключенных сделок M&A, полученнаяна основе использования гармонического анализа, имеет вид:ŷ t  12,19  0,46t  6,88 t  0,36 cos(t  2,85)  0,85 cos(2t  1,32)  1,49 cos(3t  2,03)  0,61 cos(4 t  2,72)  1,50 cos(5t  1,82)  1,31 cos(6 t  0,88)  1,33(7 t  2,05)  2,02 cos(8t  0,55)  1,32 cos(9t  1,25)  1,41 cos(10t  1,65)  1,21 cos(11t  2,57)  0,63 cos(12t  1,67),1, _ t  t *  69где _  t  .0, _ t  t *  69Модель адекватна и обладает следующими характеристиками:R 2  0,88, ŝ  3,32,   11,72%.

Коэффициент детерминации, равный 0,88,показывает, что данная модель объясняет 88% вариации уровней ряда.26Для временного ряда количества заключенных сделок слияний ипоглощений российских холдинговых структур была также построенамодель авторегрессии проинтегрированного скользящего среднего (модельБокса-Дженкинса). Оптимальная модель определялась по критериям: R2, ŝ истатистике 2, которая оценивала нормальность распределения остатков. Врезультате была получена сезонная модель ARIMA(3;1;0)(1;0;0) (рисунок 6)с характеристиками адекватности:R 2  0,93, ŝ  2,51,   9,32 %.2Коэффициент детерминации R показывает, что полученная модель ARIMAобъясняет 93% вариации количества заключенных сделок M&A.Рисунок 6 – Фактические и расчётные значения количества сделок M&A,полученные по модели Бокса-Дженкинса ARIMA(3;1;0)(1;0;0)Исходя из полученных результатов исследования, был сделан вывод,что динамику количества заключенных сделок слияний и поглощений болееадекватно описывает сезонная модель авторегрессии проинтегрированногоскользящего среднего ARIMA(3;1;0)(1;0;0).

Характеристики

Список файлов диссертации