Диссертация (1152227), страница 24

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

Текст из файла (страница 24)

СШАНормальный вероятностный график остатков, характеризующих расхождение между фактическими и прогнозными значениями суммы заключенных сделок M&A, представлен на рисунке 2.22.Рисунок 2.22 – Нормальный вероятностный график остатков модели, полученной на основе гармонического анализаСогласно нормальному вероятностному графику (см. рисунок 2.22)распределение остатков нормальное.

Гипотезу о нормальном законе распределения остатков полученной модели на основе гармонического анализатакже подтвердил критерий Пирсона (χ2набл.< χ2кр.).Согласно имеющимся данным et  0 ,32  0 ,07 et 1 , т.е. коэффициентρ=-0,07 не значимо отличается от 0, значит, согласно критерию Бреуша136Годфри автокорреляция в остатках отсутствует. Согласно тесту Гольдфельда-Куандта, Fнабл.=1,58<Fкр., следовательно, нет оснований отвергать гипотезу о гомоскедастичности остатков модели.

Проведенный асимптотическийтест на наличие условной гетероскедастичности показал отсутствие эффектов ARCH в ошибках модели, так как et2  3,01  0 ,004et21 .Таким образом, результаты диагностики показывают, что модель динамики суммы заключенных сделок M&A, полученная на основе применения гармонического анализа, адекватна исследуемому процессу интеграционной активности российских холдингов.Модель проинтегрированного скользящего среднего суммы заключенных сделок M&AПрименение теста Дики-Фуллера к ряду, характеризующему сумму заключенных интеграционных сделок, подтвердило его нестационарность.

Поэтому исследуемый ряд был скорректирован путем перехода к первой разности событий и получения стационарного ряда, в котором в качестве единицынаблюдения выступает yt  yt  yt 1 .Оптимальная модель, так же как и для динамики количества заключенных сделок M&A, определялась путем перебора параметров моделейARIMA. В результате было получено две модели:a) ARIMA(5;1;0)(1;0;0);b) ARIMA(5;1;0)(1;1;0).Для модели ARIMA(5;1;0)(1;0;0) критерий Акайка AIC=8,75, критерийБайеса SIK=12,23, для модели ARIMA(5;1;0)(1;1;0) AIC=9,02, SIK=13,03,следовательно, выбор был сделан в пользу модели ARIMA(5;1;0)(1;0;0).ARIMA(5;1;0)(1;0;0) представим как( 1  1 B   2 B 2  3 B3  4 B4  5 B5  1 B6 )( 1  B ) yt   t .(2.28)Для получения оценок параметров и прогнозирования по моделиARIMA(5;1;0)(1;0;0) был осуществлен переход к модели ARIMA в виде( 1  0 ,726 B  0 ,623B 2  0 ,510 B3  0 ,247 B4  0 ,380 B5  0 ,001B6 )( 1  B ) yt   t(7,96)(5,45)(4,12)(2,18)137(2,96)(-2,01)илиŷt  0 ,274 yt 1  0 ,103 yt 2  0 ,113 yt 3  0 ,263 yt 4  0 ,263 yt 4  0 ,133 yt 5  0 ,379 yt 6  0 ,001 yt 7   t .Графическое изображение исходного ряда и ряда, построенного помодели ARIMA(5;1;0)(1;0;0), приведено на рисунке 2.23.Рисунок 2.23 – Исходный ряд суммы заключенных сделок M&A и данные,полученные на основе модели ARIMA(5;1;0)(1;0;0), млрд.

долл СШАДля проверки адекватности модели была построена гистограмма остатков, согласно которой распределение остатков подчиняется нормальномузакону распределения. Данный вывод подтвердил критерий Пирсона.Согласно имеющимся данным et  0 ,07  0 ,004et 1 , т.е. коэффициентρ=-0,004 не значимо отличается от 0, следовательно, согласно критериюБреуша-Годфри автокорреляция в остатках отсутствует. Согласно тестуГольдфельда-Куандта, Fнабл.=1,55<Fкр., следовательно, нет оснований отвергать гипотезу о гомоскедастичности остатков модели.

Проведенный асимптотический тест на наличие условной гетероскедастичности показал отсутствие эффектов ARCH в ошибках модели, так как et2  1,85  0 ,002et21 .Таким образом, все рассмотренные характеристики модели свидетельствуют об ее адекватности исследуемому процессу M&A.Оценка точности моделей суммы заключенных сделок M&AВ таблице 2.15 приведены оценки точности моделей суммы заключенных сделок слияний и поглощений российских холдинговых структур.138Таблица 2.15 – Оценки точности моделей суммы заключенных сделок M&AХарактеристики точностиМодель1) Модель динамикиколичества заключенных сделок M&A, построенная с использованием гармонического анализа2)МодельARIMA(3;1;0)(1;0;0)СреднийквадратошибокСуммаквадратов ошибокИндексдетерминацииСредняяквадратичическаяошибкаОтносительнаяошибка помодулю(MAPE)10,70292,650,81720,8718,5%0,37649,650,87120,5915,3%Исходя из полученных данных, можно сделать вывод: динамику суммы заключенных сделок слияний и поглощений, так же как и для количествазаключенных сделок M&A, лучше всего описывают процессы авторегрессиипроинтегрированногоскользящегосреднего.ПриэтоммодельARIMA(5;1;0)(1;0;0) может быть применена для прогнозирования суммысделок слияний и поглощений российских холдингов на несколько периодоввперед.

Предсказание будущей интеграционной активности холдинговыхструктур было построено для 1 квартала 2014 г. (таблица 2.16).Таблица 2.16 – Прогнозирование по модели ARIMA(5;1;0)(1;0;0)для 1 квартала 2014 г., млрд долл. США№п/п123ПериодЯнварь 2014 г.Февраль 2014 г.Март 2014 г.Прогнозное значениеARIMA, млрд долл. США4,453,496,52Реальное значение,млрд долл. США5,043,835,12Таким образом, на интервале с января по март 2014 г. данная модельпредсказала сумму заключенных сделок слияний и поглощений с относительной ошибкой по модулю MAPE=15,9%, что подтверждает пригодностьмодели для построения прогнозов заключения интеграционных сделок холдинговыми структурами на российском рынке M&A.1В литературе часто встречается указание на то, что значение MAPE≤10% свидетельствует о высокой точности модели, при значениях этой характеристики в диапазоне 10-20% точность можно признать хорошей,при 20%<MAPE≤50% - удовлетворительной.139Анализ приведенных результатов позволяет сделать вывод, что дляанализа и прогнозирования интеграционной активности холдинговых структур российской экономики наиболее точными и адекватными являются сезонные модели Бокса-Дженкинса, так как в изучаемых динамических рядахнаблюдается зависимость от предыдущих значений и некоторая сезонность.В частности, для прогнозирования динамики количества заключенных сделок слияний и поглощений российских холдингов была получена сезоннаямодель ARIMA(3;1;0)(1;0;0), а для прогнозирования динамики стоимостногообъема рынка M&A – модель ARIMA(5;1;0)(1;0;0).Если сравнивать отечественный рынок слияний и поглощений с M&Aрынками других стран, то сегодня Россия выглядит достаточно перспективно, поскольку, если в развитых странах капитализация холдинговых структур за 2008-2012 гг.

снизилась примерно на 30%, стоимость российских холдингов упала в 3,5 раза. Это может дать в ближайшие годы новый импульсдля процессов слияний и поглощений российских холдинговых структур.В связи с возрастанием макроэкономической значимости экономической интеграции в рамках реиндустриализации прогнозные значения показателей, характеризующих развитие российского рынка M&A, могут служить«входной» информацией для обоснования решений, принимаемых в системегосударственного регулирования слияний и поглощений холдинговыхструктур.

Кроме того, они позволяют повысить обоснованность краткосрочных и среднесрочных прогнозов социально-экономического развития, учитывающих протекающие интеграционные процессы.При этом, как было отмечено ранее, большой интерес вызывает исследование процессов M&A холдинговых структур на региональном уровне,так как в условиях неактивного проведения политики протекционизма наблюдается все большая асимметрия в интеграционной активности регионов,сопровождающаяся негативными социально-экономическими последствиями. Для преодоления сложившихся негативных тенденций в развитии регионов необходимо формирование соответствующих стратегий интеграционно140го развития холдинговых структур, информационной основой которыхдолжны являться объективные статистические исследования.Таким образом, в следующих подразделах диссертационного исследования необходимо провести статистический анализ интеграционной активности холдинговых структур на уровне федеральных округов и региональном уровне, предложить методический подход к ранжированию субъектовРФ по уровню интеграционной активности с целью выявления резервов повышения инвестиционной привлекательности российских регионов.141Глава III МЕТОДОЛОГИЯ СТАТИСТИЧЕСКОГО ИССЛЕДОВАНИЯИНТЕГРАЦИОННОЙ АКТИВНОСТИ РОССИЙСКИХ ХОЛДИНГОВНА РЕГИОНАЛЬНОМ УРОВНЕ3.1 Статистический анализ интеграционной активности российскиххолдингов на уровне субъектов РФОдной из важных проблем статистического анализа слияний и поглощений в российской экономике является анализ дифференциации межрегиональных различий в интеграционной активности холдинговых структур врамках выравнивания пространственных характеристик экономического потенциала страны, а также инновационно-технологического и социальноэкономического развития российских территорий.В 2013 г.

в состав России входили 83 равноправных субъекта Федерации, которые административно объединены в 8 Федеральных округов (ФО).Сложное административно-территориальное деление вызывает большое количество управленческих связей, что ведет к снижению качества информационных каналов. С точки зрения статистического анализа это значительноусложняет исследование тенденций и факторов экономического развитияотечественной экономики в целом с учетом неравномерности развития ее регионов.Кроме того, в силу особенностей экономического и политическогостановления Российской Федерации глобализация российской экономикиприводит к диспропорциям в развитии ее регионов, что ведет к концентрации финансовых рычагов управления в ограниченном круге одних субъектови его недостатку в других.

Характеристики

Список файлов диссертации