Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Национальный исследовательский университет «Высшая школа экономики» Факультет экономики Кафедра Финансового менеджмента ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА На тему: Современные показатели эффективности деятельности компании: EVA, SVA, MVA Выполнила: студентка гр. 09-Э1 Зезина Т.В. ______________________ (подпись студента) Руководитель: старший преподаватель Вить Н.А.
115
Embed
· Web view2013/06/17 · Корреляция между MVA и EVA (регрессия без выборки) 2009 2010 2011 0.63590000000000035 0.62490000000000034 0.67780000000000062
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Present value of operating leases – текущая стоимость операционной
аренды;
Bad debt reserve – резерв по сомнительным долгам;
Capitalized research and development – капитализированные
исследования и разработки;
Cumulative write-offs of special items – совокупное списание со
специальных счетов.
14
2) Sources-of-financing approach (подход основан на балансовой
стоимости собственного капитала)CE=Book value of common equety+Preferred equety+Minority interest+Deferred incometax reserve+LIFO reserve+ Accumulated goodwill amortization+ Interest bearing short term debt+Long termdebt +Capitalized lease obliga tions+Present value of operating leases
где,
Book value of common equity – балансовая стоимость обыкновенных
акций;
Preferred equity – привилегированные акции;
Minority interest – доля миноритарных акционеров;
Deferred income tax reserve – резерв по отложенному налогу на
Если имеют место отложенные налоги, то их сумма прибавляется
к капиталу.
Также в расчет принимаются различные резервы. Как правило,
увеличение суммы резерва за текущий период прибавляется к
сумме прибыли для расчета величины NOPAT.
Как уже было сказано ранее, показатель EVA используется для
определения стоимости компании. Происходит это следующим образом:Стоимость компании=Инвестированный капитал+Приведенная стоимость EVA от существующихпроектов+Приведенная стоимость EVA от будущих проектов
Положительное значение EVA говорит о том, что доходы превышают
издержки на капитал, следовательно, капитал используется эффективно.
Отрицательный показатель добавленной экономической стоимости, чаще
всего, свидетельствует о некорректной инвестиционной политике. В случае
если анализируемый показатель равен нулю, то это тоже определенное
достижение предприятия. Значит, акционеры компании фактически получили
норму возврата, которая компенсировала риск.
Возникает вполне справедливый вопрос: всегда ли увеличение
показателя EVA означает рост стоимости компании?
Существует точка зрения, что увеличение EVA за рассматриваемый
период может привести к снижению стоимости компании. Причиной такого
эффекта считают влияние фактора, который приводит к негативным
последствиям в долгосрочном периоде. Например, снижение заработной
платы сотрудникам предприятия способствует сокращению затрат и,
16
следовательно, росту прибыли. Но, в долгосрочной перспективе такая
политика приведет к снижению производительности труда, оттоку
квалифицированных работников. В итоге, это способствует снижению
будущей добавленной экономической стоимости.
Если одно из целей компании, все же, является увеличение EVA, то
необходимо понимать, каким способом можно достичь данной цели. Прежде
всего, важно осуществлять инвестиции в проекты, рентабельность которых
выше средневзвешенной стоимости капитала. Также, «компания может
собрать капитал из убыточных проектов и вложить их в более выгодные
проекты». [26] А с помощью увеличения отношения заемных средств к
собственным можно уменьшить средневзвешенную стоимость капитала.
Показатель EVA имеет определенные преимущества и недостатки. К
положительным моментам добавленной экономической стоимости, как
правило, относят следующее:
Показатель EVA применим не только к оценке эффективности
деятельности компании в целом, но и к отдельным
подразделениям предприятия. Это позволяет определить, на
каком этапе производства (или в каком отделе) принимаются
неэффективные инвестиционные решения.
Добавленная экономическая стоимость служит неплохой базой
для расчета вознаграждений менеджеров. Именно этот
показатель стимулирует их принимать управленческие решения,
которые будут приносить экономическую выгоду, как в
краткосрочной, так и долгосрочной перспективе.
Внедрение метода EVA позволяет увидеть возможность
увеличения стоимости бизнеса не только с помощью воздействия
на прибыль, но и за счет уменьшения задействованного капитала
(например, сокращение или ликвидация нерентабельных
производств).
17
Величина EVA имеет тесную взаимосвязь со стоимостью акции
компании.
При осуществлении оценки стоимости компании с помощью
показателя EVA учитывается фактор риска.
Основным недостатком EVA является то, что при расчете этого
показателя не учитываются будущие денежные потоки. Это, в свою очередь,
может привести к тому, что менеджерами будут приниматься
инвестиционные проекты с быстрой окупаемостью. Следовательно, такие
проекты как НИОКР, требующие крупных инвестиций и длительного
периода времени на разработку, не будут реализованы компанией.
Также среди минусов показателя EVA отмечают тот факт, что
добавленная экономическая стоимость рассчитывается в абсолютном
выражении, что неудобно при сравнении различных компаний. В связи с
этим были разработаны относительные показатели EVA. Одним из таких
показателей является стоимостной спрэд, рассчитывающийся следующим
2.SVA=Текущая стоимость остаточной стоимости−Текущая стоимость стратегических инвестиций
Остаточная стоимость = Капитализированное изменение
чистой прибыли (NOPAT)
20
Акционерная добавленная
стоимость
Капитализированное изменение прибыли
NOPAT
Текущая стоимость стратегических
инвестиций
Выручкаот реализации
Затраты
Номинальная налоговая ставка
Изменение инвестированного
капитала
Средневзвешенная стоимость капитала
Текущая стоимость стратегических инвестиций = Текущей
стоимости изменения инвестированного капитала
В итоге, формула для расчета стоимости бизнеса, при использовании
показателя SVA, выглядит следующим образом:Стоимость компании=Рыночная стоимость инвестированного капитала в начале года+Накопленная величина SVA прогнозногопериода+Рыночная стоимость ценныхбумаг ииных инвестиций
Необходимо отметить, что в данной формуле «ценные бумаги и иные
инвестиции» - это активы, которые не используются в основной
деятельности предприятия, а значит, могут быть реализованы.
Для осуществления оценки стоимости компании с помощью показателя
SVA, необходимо:
1. Установить «горизонт прогнозирования», то есть период, в
течение которого «имеющиеся стратегии ведения бизнеса
будут приносить добавленную стоимость компании» [6] С
эмпирической точки зрения, «горизонт прогнозирования»
составляет 6 – 10 лет.
2. Определить денежные потоки (операционные и
инвестиционные) для каждого года из прогнозного периода.
Затем рассчитать их приведенную стоимость, используя
ставку затрат на капитал.
3. Поток денежных средств последнего прогнозного года
капитализировать, используя долгосрочные затраты на
капитал. После чего, также продисконтировать по ставке
затрат на капитал.
Применение показателя SVA в рамках оценки эффективности
деятельности компании:
для оценки стоимости компании;
для оценки эффективности осуществляемых инвестиционных
проектов;
для оценки стратегий (с помощью SVA рассчитывается
ожидаемый эффект от внедрения новой стратегии);
21
для определения вознаграждений CEO (осуществляется
«привязка» вознаграждений менеджеров к конкретным
результатам реализации их стратегии).
1.3. (Market ValueДобавленная рыночная стоимость
Added)
Показатель добавленной рыночной стоимости позволяет определить
величину превышения рыночной капитализации компании над стоимостью
собственного капитала (представленной в бухгалтерском балансе).
Рыночная капитализация бизнеса представляет собой произведение
количества акций предприятия, выпущенных в обращение на их рыночную
цену.
Market
Value Added
будущие ожидаемые EVA
Рис. 1.3.1. Иллюстрация добавленной рыночной стоимости как
суммы дисконтированных EVA
Считается, что MVA является частным случаем EVA. Более того,
авторские права на показатель MVA также принадлежат компании «Stern
Stewart & Co». Причем, сама консалтинговая компания интерпретирует
22
EVA
EVA
EVA
EVA
Market Value Added как «добавочный акционерный капитал», который
EVA.» [26] Данные факты говорят о наличие определенной взаимосвязи
между MVA и EVA.
Но какова данная зависимость? И существует ли она на самом деле?
Может быть, существуют другие экономические показатели, которые
объясняют MVA в большей степени, чем EVA?
Поиску ответов на данные вопросы посвящено множество статей.
Уже в 1991 году M. Fingan в своей работе «Extension of the EVA and
MVA applications» продемонстрировал связь MVA и EVA с другими
показателями деятельности предприятия, например, доход на акцию,
денежный поток и т.д.
Статья Lehn и Makhija «EVA & MVA as performance measures and
signals for strategic change» (1996) также посвящена анализу взаимосвязи
некоторых показателей деятельности (EVA, MVA, доходность капитала
(ROE), доходность активов (ROA), доходность продаж (ROS) и доходность
акций). В результате исследования американских компаний оказалось, что
наибольшая взаимосвязь характерна для показателя EVA и доходности
акций.
Jonathan K. Kramer и Jonathan R. Peters в своей статье «An Interindustry
analysis of Economic Value Added as a proxy for Market Value Added» (2001)
25
проводили исследование, где в качестве объясняющих переменных для MVA
были выбраны показатели EVA и NOPAT. Основным критерием определения
лучшей объясняющей переменной был выбран R2: «We consider that EVA is a
superior proxy if R2MVA/EVA > R2
MVA/NOPAT and the sign of the coefficient on EVA is
positive1». [9] Построение регрессий привели к следующим результатам:
только 11 из 53 исследуемых индустрий соответствовали установленному
критерию. Следовательно, «in most cases, we find no marginal benefit from
using EVA as a proxy for MVA instead of a readily available financial measure
like NOPAT2». [9]
В статье «An analysis of the correlation between EVA and MVA: the case
of a NYSE Euronext Lisbon listed company» (2011) приведены исследования
взаимосвязи показателя MVA с EVA, операционной прибылью (OP) и
чистым доходом (NI). Проверяется следующая гипотеза: «The MVA that is
computed each year is related to the EVA® for the same period and this
correlation is higher than the one between MVA and OP or NI3». [12] Данная
гипотеза протестирована с помощью регрессионной модели:Y i ,t=β0+β1 ∙ X i , t+εi , t
где:
Yi,t – MVA компании i на конец периода t;
Xi,t – операционная прибыль (OP), чистый доход (NI) или EVA
компании i на конец периода t;𝛽0 – индивидуальный эффект;𝛽1 – коэффициент перед объясняющей переменной.
В качестве анализируемого периода были выбраны 2005 – 2009 гг. А
результаты были следующими: «EVA more accurately explains the dependent
variable4 (R2 = 62.2% for EVA, R2 = 58.0% for NI and R2 = 2.9% for OP)» [12]
1 Мы считаем, что EVA является лучшей объясняющей переменной, если R2MVA/EVA > R2
MVA/NOPAT и знак коэффициента перед EVA положительный.2 В большинстве случаев мы не находим никаких предельных выгод от использования EVA в качестве объясняющей переменной для MVA, в сравнении с легкодоступным финансовым показателем как NOPAT.3 Показатель MVA, который вычисляется каждый год, связан с показателем EVA за тот же период, и корреляция между ними выше, чем между MVA и OP или NI.4 EVA более точно объясняет зависимую переменную.
26
Следовательно, между показателями добавленной экономической стоимости
и добавленной рыночной стоимости наблюдается существенная взаимосвязь,
и эта взаимосвязь значительно сильнее, чем между MVA и NI, либо OP.
Количество исследований, посвященных показателям эффективности
деятельности компании, бесчисленно. Многие из них схожи по своей
тематике, но при этом полученные результаты совершенно противоположны.
Поэтому является целесообразным проведение собственного исследования,
целью которого будет выявление степени взаимосвязи между MVA и EVA. В
результате исследования я постараюсь ответить на два основных вопроса:
1) Является ли показатель EVA качественной объясняющей
переменной для MVA?
2) Какова степень связи между показателями MVA и EVA?
Для анализа будут использованы данные не по каждой компании в
отдельности, а средние показатели по индустриям за 2009 -2011 гг. Данные
представлены в приложение 1.
В качестве основного метода для проведения исследования выбрано
построение регрессионных моделей, что позволит сравнить полученные
результатами с исследованиями, приведенными выше.
27
2.1. Анализ данных
Прежде, чем строить регрессию, проанализируем исходные данные по
показателям и сформулируем гипотезы. На рисунках 2.1.1 – 2.1.3
представлена корреляция MVA и EVA в течение 2009 – 2011 гг.
-200,000
0
200,000
400,000
600,000
800,000
1,000,000
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80
MVA09 EVA09
Рис. 2.1.1. Корреляция MVA и EVA в 2009 году
-100,000
0
100,000
200,000
300,000
400,000
500,000
600,000
700,000
800,000
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80
MVA10 EVA10
Рис. 2.1.2. Корреляция MVA и EVA в 2010 году28
-100,000
0
100,000
200,000
300,000
400,000
500,000
600,000
700,000
800,000
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80
MVA11 EVA11
Рис. 2.1.3. Корреляция MVA и EVA в 2011 году
Из внешнего поверхностного анализа графиков 2.1.1 – 2.1.3 видно, что
абсолютное значение MVA по каждой индустрии всегда больше абсолютного
значения EVA. На основе этого можно сделать предположение, что
коэффициент перед объясняющей переменной (𝛽1) будет не большой по
своей величине.
Кроме того, можно заметить, что движение линий MVA и EVA иногда
носит разнонаправленный характер. Данная тенденция подтверждается и на
графиках корреляции приращений MVA и EVA. На рисунках 2.1.4 – 2.1.5
также видно разнонаправленное движение показателей рыночной
добавленной стоимости и экономической добавленной стоимости,
характерное для некоторых индустрий (например, бумажная и лесная
на 1% уровне значимости. Гетероскедастичность есть, и с ней нужно
бороться. В данном случае проведем поправки формы White и получим
следующие результаты:
Таблица 2.3.3
Характеристика регрессионной модели после поправок формы White
(2009 год)
Dependent Variable: MVA09Method: Least SquaresDate: 05/12/13 Time: 21:05Sample: 1 83Included observations: 83White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 81981.01 13526.31 6.060854 0.0000EVA09 6.352431 2.138571 2.970410 0.0039
R-squared 0.404337 Mean dependent var 115605.3Adjusted R-squared 0.396983 S.D. dependent var 159913.7S.E. of regression 124179.7 Akaike info criterion 26.32065Sum squared resid 1.25E+12 Schwarz criterion 26.37893Log likelihood -1090.307 Hannan-Quinn criter. 26.34406F-statistic 54.98291 Durbin-Watson stat 1.911665Prob(F-statistic) 0.000000
Использование такого рода поправок позволило скорректировать
стандартные ошибки, регрессия и коэффициенты при этом остались значимы
на 1% интервале.
Далее проделаем аналогичные шаги для построения регрессий на
основе данных 2010 и 2011 гг. В приложение 3 приведены исходные
характеристики и тесты на гетероскедостичность регрессионных моделей
2010 и 2011 гг. А в таблицах 2.3.4 и 2.3.5 продемонстрированы результаты
после применения поправок White.
34
Таблица 2.3.4
Характеристика регрессионной модели после поправок формы White
(2010 год)
Dependent Variable: MVA10Method: Least SquaresDate: 05/12/13 Time: 21:42Sample: 1 83Included observations: 83White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 92933.50 17123.18 5.427350 0.0000EVA10 9.868450 3.273159 3.014962 0.0034
R-squared 0.390526 Mean dependent var 126692.6Adjusted R-squared 0.383001 S.D. dependent var 158697.4S.E. of regression 124655.6 Akaike info criterion 26.32830Sum squared resid 1.26E+12 Schwarz criterion 26.38658Log likelihood -1090.624 Hannan-Quinn criter. 26.35171F-statistic 51.90141 Durbin-Watson stat 1.788088Prob(F-statistic) 0.000000
Регрессия 2010 года в целом значима на 1% уровне значимости (Prob(F-
statistic) = 0,000000), также как и значим коэффициент перед объясняющей
переменной. Модель имеет вид:
MVA10 = 92933,5031 + 9,8684*EVA10
35
Таблица 2.3.5
Характеристика регрессионной модели после поправок формы White
(2011 год)
Dependent Variable: MVA11Method: Least SquaresDate: 05/12/13 Time: 21:54Sample: 1 83Included observations: 83White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 65087.91 13154.25 4.948053 0.0000EVA11 8.584301 2.421172 3.545514 0.0007
R-squared 0.459456 Mean dependent var 114165.8Adjusted R-squared 0.452783 S.D. dependent var 152157.7S.E. of regression 112557.4 Akaike info criterion 26.12412Sum squared resid 1.03E+12 Schwarz criterion 26.18240Log likelihood -1082.151 Hannan-Quinn criter. 26.14753F-statistic 68.84903 Durbin-Watson stat 1.932985Prob(F-statistic) 0.000000
Коэффициенты и регрессия 2011 года значимы на 1% интервале, а
модель имея следующий вид:
MVA11 = 65087,9099 + 8,58430*EVA11
36
2.4. Общий вывод по эконометрическим моделям2009–2011 гг
Итак, подведем краткое обобщение по трем построенным
регрессионным моделям. В таблице 2.4.1 сгруппированы показатели,
которые позволят сделать вывод о степени взаимосвязи MVA и EVA.
Таблица 2.4.1
Обобщающая характеристика регрессионных моделей 2009 – 2011 гг.
2009 2010 2011Корреляция между MVA и EVA 0,6359 0,6249 0,6778Качество подгонки (R2) 0,4043 0,3905 0,4594Индивидуальный эффект (константа) 81981 92934 65088Коэффициент перед объясняющей переменной 6,35 9,87 8,58
Таким образом, коэффициент корреляции между регрессором и
регрессантом колеблется в пределах 60 – 70 % в течение анализируемого
периода. Тот факт, что корреляция превышает значение в 50%, означает, что
наличие связи между показателями MVA и EVA неслучайно. На основе
степени качества подгонки (R2) можно сделать предположение о «качестве»
объясняющей переменной. За 2009 – 2011 гг. значение R2 не достигает даже
50%, а значит степень связи между рыночной и экономической добавленной
стоимостью невелика.
Суммируя все выше сказанное, можно сделать вывод, что гипотеза 1:
«Между показателями MVA и EVA (средними по индустриям) существует
существенная связь», - не нашла подтверждения. Возможно, добавление
дополнительных регрессоров или изменение спецификации позволит
улучшить качество подгонки. Однако целью данной работы является
выявление степени связи только между MVA и EVA, а изменение базовой
модели не входит в область исследования.
37
Не смотря на то, что связь между MVA и EVA слабее, чем
предполагалось ранее, степень данной взаимосвязи может быть довольно
устойчивой, что позволит в определенной вероятностью прогнозировать
будущее значение рыночной добавленной стоимости.
Теперь проанализируем полученные данные относительно второй
гипотезы: «Степень связи между показателями MVA и EVA практически не
меняется в течением времени (т.е. коэффициент перед объясняющей
переменной не изменяется более, чем на 5%)». Если обратить внимание на
значение коэффициента перед переменной EVA, то четко прослеживаются
колебания данного параметра. Присутствуют отклонения и в сторону роста, и
в сторону падения. Но, что более важно, величина этих отклонений порядка
50% (в 2010) и -13% (в 2011), что существенно выше уровня, определенного
гипотезой (5%). Следовательно, вторая гипотеза также не подтверждена.
38
2.5. Эконометрические модели для
выборок с положительным и
отрицательным значением
показателя EVA
В 1991 году на основе данных Stern Stewart & Co (SS 1000) было
проведено исследование, целью которого было выявление связи между MVA
и EVA. Для анализа было выбрано 613 американских компаний, которые
были разделены на 25 групп в зависимости от величины показателя
экономической добавленной стоимости. В результате проведенного
исследования обнаружили, что:
для компаний с положительным значением EVA была характерна
высокая корреляция между уровнем EVA и MVA (в т.ч.
коэффициент R2 был высоким);
для компаний с отрицательным показателем EVA степень связи
рыночной и экономической добавленной стоимости была
несущественной.
Данный факт можно объяснить тем, что рыночная стоимость акций не
упадет намного ниже стоимости чистых активов компании, даже если
предприятие получило отрицательную прибыль.
Основываясь на выводах данного исследования, проранжируем наши
исходные данные и построим две регрессии. Первая для индустрий, для
которых характерно положительная EVA, а вторая – для индустрий с
отрицательным значением показателя.
Основной задачей построения двух регрессионных моделей является
сравнение значения коэффициента корреляции между MVA и EVA, и
качества подгонки (R2). Следовательно, выдвигаем гипотезу 3: «Для
компаний с положительной экономической добавленной стоимостью
39
степень связи MVA и EVA намного сильнее, чес для компаний с
отрицательным значением EVA».
Проранжировав индустрии по показателю EVA, получили две выборки:
в первой – 50 наблюдение, а во второй – 7 наблюдений. Еще 26 наблюдений
были исключены, так как в данных индустриях экономическая добавленная
стоимость меняла свой знак. Недостаточное количество наблюдений второй
группы не позволяет построить регрессию, следовательно, будем
рассчитывать только коэффициенты корреляции за 2009 – 2011 гг.
Строим регрессионную модель MVAi=β0+ β1 ∙ EVA i+εi для компаний
положительным показателем EVA за период 2009 – 2011 гг. В приложение 4
приведены исходные характеристики и тесты на гетероскедостичность
регрессионных моделей 2009 - 2011 гг. А в таблице 2.5.1 - 2.5.3 представлены
результаты после применения поправок White.
Таблица 2.5.1
Характеристика регрессионной модели для компаний с положительным
показателем EVA после поправок формы White (2009 год)
Dependent Variable: MVA_09Method: Least SquaresDate: 05/14/13 Time: 01:16Sample: 1 50Included observations: 50White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 75940.31 15717.79 4.831488 0.0000EVA_09 7.491521 2.514328 2.979532 0.0045
R-squared 0.493870 Mean dependent var 152417.7Adjusted R-squared 0.483326 S.D. dependent var 189818.1S.E. of regression 136441.3 Akaike info criterion 26.52435Sum squared resid 8.94E+11 Schwarz criterion 26.60084Log likelihood -661.1089 Hannan-Quinn criter. 26.55348F-statistic 46.83736 Durbin-Watson stat 1.762586Prob(F-statistic) 0.000000
Регрессия MVA_09 = 75940,3055 + 7,4915*EVA_09 в целом значима на
1% уровне значимости, так как Prob(F-statistic)=0,000000 < 0,01. 40
Коэффициент перед объясняющей переменной также значим на 1%
интервале.
Таблица 2.5.2
Характеристика регрессионной модели для компаний с положительным
показателем EVA после поправок формы White (2010 год)
Dependent Variable: MVA_10Method: Least SquaresDate: 05/14/13 Time: 01:32Sample: 1 50Included observations: 50White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 68825.10 15791.92 4.358248 0.0001EVA_10 13.05043 3.023653 4.316114 0.0001
R-squared 0.553403 Mean dependent var 158778.9Adjusted R-squared 0.544099 S.D. dependent var 186240.2S.E. of regression 125750.2 Akaike info criterion 26.36116Sum squared resid 7.59E+11 Schwarz criterion 26.43764Log likelihood -657.0290 Hannan-Quinn criter. 26.39028F-statistic 59.47948 Durbin-Watson stat 1.844780Prob(F-statistic) 0.000000
Регрессия MVA_10 = 68825,0991 + 13,0504*EVA_10 в целом значима
на 1% уровне значимости, так как Prob(F-statistic)=0,000000 < 0,01.
Коэффициент перед объясняющей переменной также значим на 1%
интервале.
41
Таблица 2.5.3
Характеристика регрессионной модели для компаний с положительным
показателем EVA после поправок формы White (2011 год)
Dependent Variable: MVA_11Method: Least SquaresDate: 05/14/13 Time: 01:42Sample: 1 50Included observations: 50White heteroskedasticity-consistent standard errors & covariance
Variable Coefficient Std. Error t-Statistic Prob.
C 55473.11 17372.68 3.193123 0.0025EVA_11 9.968285 3.015176 3.306037 0.0018
R-squared 0.494725 Mean dependent var 152911.9Adjusted R-squared 0.484199 S.D. dependent var 177949.0S.E. of regression 127801.8 Akaike info criterion 26.39353Sum squared resid 7.84E+11 Schwarz criterion 26.47001Log likelihood -657.8382 Hannan-Quinn criter. 26.42265F-statistic 46.99780 Durbin-Watson stat 1.936738Prob(F-statistic) 0.000000
Регрессия MVA_11 = 55473,11020 + 9,9683*EVA_11 в целом значима
на 1% уровне значимости, так как Prob(F-statistic)=0,000000 < 0,01.
Коэффициент перед объясняющей переменной также значим на 1%
интервале.
Теперь проанализируем результаты, полученные при построении
регрессий для компаний с положительной и с отрицательной экономической
добавленной стоимостью (обобщенные данные сведены в таблицу 2.5.4).
Таблица 2.5.4
Обобщающая характеристика регрессионных моделей 2009 – 2011 гг.
2009 2010 2011Корреляция между MVA и EVA для второй выборки 0,1918 -0,2822 0,1611Корреляция между MVA и EVA для первой выборки 0,7028 0,7439 0,7034Качество подгонки (R^2) 0,4939 0,5534 0,4947Индивидуальный эффект (константа) 75940 68825 55473Коэффициент перед объясняющей переменной 7,49 13,05 9,97
42
2009 2010 2011
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Корреляция между MVA и EVA (регрессия без выборки)Корреляция между MVA и EVA для второй выборкиКорреляция между MVA и EVA для первой выборки
Рис. 2.5.1. Корреляция между MVA и EVA за 2009 – 2011 гг.
2009 2010 20110.3
0.4
0.5
0.6
0,40 0,39
0,46
0,49
0,55
0,49
Качество подгонки (R^2) (обычная регрессия)Качество подгонки (R^2) для первой выборки
Рис. 2.5.2. Динамика коэффициента R2 за 2009 – 2011 гг.
На рисунке 2.5.1 наглядно показана динамика коэффициента
корреляции по каждой из трех построенных регрессий. В ситуации, когда
индустрия характеризуется отрицательной экономической добавленной
стоимости, то связь между MVA и EVA практически отсутствует (в 2010
году корреляция даже принимала отрицательное значение). Если в выборке
присутствуют только наблюдения с положительным показателем EVA, то
взаимосвязь рыночной и экономической добавленной стоимости четко
43
прослеживается. И степень данной связи существенно превышает результаты
по первоначальной (обычной) регрессии. А именно, коэффициент
корреляции в регрессионной модели для компаний с положительным
показателем EVA в среднем выше на 10%, чем в регрессии без проведения
выборки. Данный вывод также подтверждается улучшением качества
подгонки после разделения исходных данных на две выборки (рис. 2.5.2).
Следовательно, гипотеза 3 «Для компаний с положительной экономической
добавленной стоимостью степень связи MVA и EVA намного сильнее, чем
для компаний с отрицательным значением EVA» подтверждена.
44
2.6. Общий вывод по полученным
результатам
В итоге проведенного исследования было установлено, что если
компания (индустрия) генерирует положительную экономическую
добавленную стоимость, то связь между показателями MVA и EVA крайне
высока. С экономической точки зрения существенная степень взаимосвязи
между этими показателями означает возможность прогнозирования
рыночной стоимости компании, использую будущие значения
экономической добавленной стоимости.
В большинстве случаев, положительный прирост EVA приводит к
увеличению рыночной капитализации компании, то есть акции предприятия
растут в цене. Но обратное утверждение, что отрицательное значение
показателя EVA способствует уменьшению рыночной добавленной
стоимости, работает не всегда (это может и не отразиться на рыночной
стоимости акций).
На мой взгляд, ситуация, когда сокращение EVA не влияет на
рыночную стоимость предприятия, может иметь место, если речь идет о
крупной компании, степень доверия к которой крайне высока. Например,
если компания позиционирует себя как стабильное, надежное предприятие с
высокой поддержкой со стороны государства.
Так как проведенное исследование основывается на усредненных
данных по каждой индустрии, то возникает совершенно логичный вопрос:
«Будет ли сохраняться высокая степень связи между показателями MVA и
EVA, если рассматривать отдельные компании?» Попробует ответить на этот
вопрос в практическом примере, который приведен в главе 3.
45
Глава 3. Практический расчет современных показателей
эффективности деятельности (EVA, SVA, MVA) на примере
нефтегазовых компаний
Очевидно, что далеко не все компании используют подход Value-Based
Management для принятия управленческих решений и оценки эффективности
деятельности. Обычно такой стиль управления характерен для крупных
предприятий, акции которых котируются на фондовой бирже, и у которых
есть квалифицированные специалисты для расчета необходимых
показателей.
Чтобы проверить наличие связи между экономической и рыночной
добавленной стоимостью, проанализируем деятельность ведущих российских
предприятий нефтегазовой отрасли, а именно ОАО «Газпром», ОАО
«ЛУКОЙЛ» и ОАО «Роснефть». (Важно, чтобы компании были из одной
отрасли, это обеспечит сравнимость рассчитываемых показателей.) Выбор
нефтегазовых компаний в качестве объектов исследования обусловлен тем,
что газ, нефть и нефтепродукты являются главной статьей российского
экспорта, что способствует росту доли нефтегазовых доходов в бюджете РФ.
Исследуемый период 2008-2012 гг. захватывает мировой финансовый
кризис и период выхода из него. Это позволит проследить, как серьезные
экономические изменения влияют на показатели эффективности крупных
сырьевых компаний.
В основе расчета экономической добавленной стоимости взята
методика, предложенная Дамодараном. Согласно этой методике показатель
EVA определяется как разность прибыли, очищенной от налогов, и
инвестированного капитала, скорректированного на его средневзвешенную
стоимость.
46
EVA=EBIT ∙ (1−t )−WACC ∙ CI
где,
EBIT (Earnings Before Interest and Taxes) – прибыль до уплаты
процентов и налогов;
t – ставка налога на прибыль (20% в РФ);
WACC (Weighted Average Cost of Capital) – средневзвешенная
стоимость капитала;
CI (Capital Invested) – величина инвестированного капитала.
Величина прибыли до уплаты процентов и налогов, а также сумма
инвестированного капитала были получены из внешних источников
информации. А средневзвешенная стоимость капитала (WACC) требовала
самостоятельного расчета по следующей формуле:WACC=Cost of Equity ∙Proportionof Equity+ After taxCost of Debt ∙ Proportionof Debt
где,
Cost of Equity – стоимость собственного капитала;
After-tax Cost of Debt – стоимость заемного капитала,
скорректированная на ставку налога на прибыль;
Proportion of Equity (Debt) – доля собственного (заемного) капитала в
общем капитале фирмы.
Стоимость собственного капитала компании определяется с помощью
модели CAPM. Для этого необходимо рассчитать безрисковую ставку
процента, премию за риск и коэффициент бета. А стоимость заемных средств
представляет собой сумму безрисковой ставки и надбавки к этой ставке из-за
риска дефолта. Более того, стоимость заемного капитала необходимо
рассчитать с учетом ставки налога на прибыль. Таким образом, мы получаем
следующие формулы:
47
Cost of Equity=Riskfree Rate−Beta ∙ Risk Premium
After tax Cost of Debt= (Riskfree Rate+ Default Spread ) ∙(1−t )
где,
Riskfree Rate – безрисковая ставка процента;
Beta (коэффициент бета) – коэффициент чувствительности актива к
изменениям рыночной доходности;
Risk Premium (премия за риск) – представляет собой разницу ставок
рыночной и безрисковой доходности;
Default Spread – надбавки к ставке безрисковой доходности из-за риска
дефолта.
В данном примере безрисковая ставка представляет собой
среднеарифметическую годовую доходность по облигациям ГКО-ОФЗ
(источник www.cbr.ru).
Для глубокого анализа эффективности деятельности необходимо
рассчитать рыночную добавленную стоимость (MVA) и акционерную
добавленную стоимость (SVA).
В данном практическом примере показатель MVA определяется как
отношение экономической прибыли к средневзвешенной стоимости
капитала:
MVA=Economic ProfitWACC
Для расчета акционерной добавленной стоимости используем
приведенную стоимость будущих свободных денежных потоков.
SVA=∑ PV (Future FCF )−IC
Где,
PV (Future FCF) – приведенная стоимость будущих свободных
денежных потоков;
IC (Capital Invested) – величина инвестированного капитала.
В таблицах 3.1.1 – 3.3.2 приведены расчеты показателей EVA, MVA и
SVA для предприятий Газпром, ЛУКОЙЛ и Роснефть за 2008 – 2012 гг.
Таблицы представляют собой совокупность внешних данных и собственных 48
расчетов, сделанных на основе собранной информации. В качестве основных
источников информации об экономических показателях деятельности
компаний были использованы сайты ЦБ РФ (www.cbr.ru) и Aswath
Damodaran (www.damodaran.com).
А рисунки 3.1.1 – 3.3.1 наглядно демонстрируют динамику показателей
эффективности деятельности компаний.
3.1. Анализ эффективности деятельности
« »ОАО Газпром
Основные направления деятельности ОАО «Газпром» - добыча,
транспортировка, хранение, переработка и реализация газа и нефти, а также
геологоразведка, производство и сбыт тепло- и электроэнергии.
50% акций Газпрома принадлежит Российской Федерации.
Газпром входит в пятерку крупнейших производителей нефти в
России. На компанию приходится 70% российских запасов газа и 78%
добычи газа в РФ. Одно из конкурентных преимуществ – это единственный
в России производитель и экспортер сжиженного природного газа.
«Благодаря географическому положению России, у компании есть
возможность стать своеобразным энергетическим «мостом» между рынками
Европы и Азии, поставляя собственный газ и оказывая услуги по транзиту
газа другим производителям». [14]
Таблица 3.1.1
49
Расчет показателя EVA ОАО «Газпром» за 2008 – 2012 гг.