То есть, для оценки инвестиционной привлекательности на основе разработанной методики предлагается использовать уравнение множественной регрессии. Включение в уравнение множественной регрессии того или иного набора факторов связано, прежде всего, с представлением исследователя о природе взаимосвязи моделируемого показателя с другими экономическими явлениями. Факторы, включаемые во множественную регрессию, должны быть количественно измеримы. Если необходимо включить в модель качественный фактор, не имеющий количественного измерения, то ему нужно придать количественную определённость. В данном случае количественная определённость придаётся фактору «Уровень риска» (высокий риск — 0, умеренный риск — 1, минимальный риск — 2), фактору «Выгодность местоположения, наличие транспортной инфраструктуры» (отсутствие — 0, наличие — 1) и фактору «Наличие собственной ресурсной базы» (отсутствие — 0, наличие — 1).С учетом производственных и экономических факторов, а также уровня риска составим регрессионную модель для выявления наиболее значимых факторов, где скоэффициенты регрессии, Х — значения факторов регрессии. Estimation Command: BINARY (D=N) X42 X26 X29 X30 X31 X43 X53 X50 CEstimation Equation: I_X42 = C (1)*X26 + C (2)*X29 + C (3)*X30 + C (4)*X31 + C (5)*X43 + C (6)*X53 + C (7)*X50 + C (8)Forecasting Equation: X42 = 1-@CNORM (-(C (1)*X26 + C (2)*X29 + C (3)*X30 + C (4)*X31 + C (5)*X43 + C (6)*X53 + C (7)*X50 + C (8)))где с (1) — с (8) — коэффициенты регрессии;
Х26 — Операционная выручка на работника за 2011;2012, тыс. руб. Х29 — Итого активов на одного работника за 2011;2012, тыс. руб. Х30 — Текущая рыночная капитализация, тыс.
руб. Х31 — Прибыль на акцию за 2011;2012, млн. руб. Х43 — Капитализация рынка за счет средств акционеров в 2011;2012.Х50 — P / S. Х53 — NWC, млн. руб. В целях упрощения процесса обработки больших массивов данных в рассматриваемом случае используется статистическая программа Eviews 4.
0. Результаты расчётов коэффициентов регрессии, а также ряда статистических показателей приведены в Таблице 2.
2.Таблица 2.2 — Результаты расчетовDependent Variable: X42Method: ML — Binary Probit (Quadratic hill climbing) Date: 10/17/13 Time: 08:43Sample: 1 72Included observations: 72Convergence achieved after 17 iterationsCovariance matrix computed using second derivativesVariableCoefficientStd. Errorz-StatisticProb. X265.
18E-052.
79E-051.
8 559 950.
0635X29−0.
3 180.
139−2.
2 923 510.
0219X302.
99E-071.
02E-072.
9 421 850.
0033X311263.
211 808.
6 111.
5 632 620.
1180X430.
7 845 960.
2 954 882.
6 552 560.
0079X53−0.
1 034.
58E-05−2.
2 502 060.
0244X501.
217 510.
4 828 142.
1 162 430.
0343C-1.
5 787 430.
620 764−2.
5 432 270.
0110McFadden R-squared0.521 535 Mean dependent var0.47 2222S.D. dependent var0.502 731 S.E. of regression0.33 7790Akaike info criterion0.884 039 Sum squared resid7.30 2538Schwarz criterion1.137 002 Log likelihood-23.82539Hannan-Quinn criter.
0.984 744 Restr. log likelihood-49.79543LR statistic51.94 007 Avg. log likelihood-0.33 0908Prob (LR statistic)0.00Obs with Dep=038 Total obs72Obs with Dep=134Для оценки коэффициентов при переменных полученного уравнения регрессии используется метод наименьших квадратов. Таким образом, уравнение регрессии имеет вид: X42 = 1-@CNORM (-(5.1 755 371 2154e-05*X26 — 0.317 523 027 623*X29 + 2.9 869 307 3167e-07*X30 + 1263.
21 133 228*X31 + 0.784 595 933 574*X43 — 0.10 313 313 818*X53 + 1.2 175 093 614*X50 — 1.5 787 425 556))Связь изучаемых явлений характеризует коэффициент детерминации Х42, значения которого находятся в пределах [0;1]. Чем ближе значение данного коэффициента к 1, тем теснее связь между показателями. Высокое значение коэффициента означает, что в регрессионную модель включены существенные факторы и рассматриваемая форма связи отражает реальное соотношение между переменными, включёнными в модель. Для построенной модели значение коэффициента детерминации равно 0,984 744.
Оценить качество построенной модели можно также с помощью критерия Дарбина-Уотсона, характеризующего наличие автокорреляции в остатках. Значения критерия находятся в пределах [0;4]. Модель считается качественной и её можно использовать (автокорреляция остатков отсутствует), если значение этого критерия не превышает 1,4. В построенной модели значение критерия Дарбина-Уотсона равно 1,137 002.
Оценка качества найденных коэффициентов регрессии осуществляется с помощью t-статистики при определённом уровне значимости. Уровень значимости — это вероятность отвергнуть правильную гипотезу. Чем меньше уровень значимости, тем с большей вероятностью мы можем утверждать, что уравнение и его коэффициенты статистически значимы и тем больше их надёжность. Связь между переменными считается статистически значимой, если уровень значимости не превышает 0,1. Следовательно, надёжность (доверительная вероятность), с которой мы нашли коэффициенты в уравнении регрессии, должна быть не менее 90%. Статистическая значимость факторов определяется значениями последнего столбца таблицы 1. Причём чем меньше значение данного показателя, тем большее влияние фактор оказывает на результативный показатель. Далее производится количественный расчет комплексного показателя инвестиционной привлекательности предприятий. Исходя из того, что наиболее статистически значимыми являются факторы со значением показателя менее 0,1, выделим наиболее значимые факторы в порядке убывания их значимости. На данном этапе реализации предлагаемой методики оценки инвестиционной привлекательности предприятия осуществляется сопоставление каждому показателю-фактору (Xi) уровня его значимости для анализа (ri). Чтобы оценить этот уровень, нужно расположить все показатели по порядку убывания значимости таким образом, чтобы выполнялось правилог1 ≥ г2 ≥…≥ rN, где N — количество факторов в модели. Если система показателей проранжирована в порядке убывания их значимости, то значимость показателя (ri) следует определять по правилу Фишберна:
Если же все показатели обладают равной значимостью, тогда.
Рассчитаем уровень значимости для показателей-факторов.Таблица 2.3 — Уровень значимости факторовX26X29X30X31X43X53X50 Mean 16 799.
73 7364.
662 8 588 269. 0.219 1.938 750 12 570.
75 0.781 111 Median 4283.
555 4409.
260 1 935 139. 3.73E-06 1.175 000 4178.
745 0.360 000 Maximum 345 375.
1 124 913.
2 78 811 981 0.7 324 25.71 000 146 797.
6 5.270 000 Minimum 706.
0800 362.
7800 75 193.
67 2.00E-09 0.200 000 34.10 000 0.20 000 Std. Dev. 41 274.
57 15 084.
92 17 578 987 0.896 3.149 176 24 701.
63 1.138 990 Skewness 7.155 098 6.802 179 2.790 106 7.120 951 6.207 489 3.709 518 2.376 921 Kurtosis 57.38 336 52.84 831 9.867 318 56.48 282 46.57 701 18.1 787 8.549 506 Jarque-Bera 9486.
996 8009.
796 234.
8965 9189.
733 6159.
262 841.
7358 160.
1881 Probability 0.0 0.0 0.0 0.0 0.0 0.0 0.0 Sum 1 209 581. 530 255.
6 6.18E+08 0.15 747 139.
5900 905 093.
7 56.24 000 Sum Sq. Dev. 1.21E+11 1.62E+10 2.19E+16 5.70E-05 704.
1288 4.33E+10 92.10 811 Observations 72 72 72 72 72 72 72Полученные значения факторов и уровня значимости могут являться основой для выбора наиболее инвестиционно привлекательных предприятий. Вместе с тем, следует отметить, что данную методику, как и любую другую, следует использовать в качестве вспомогательного средства анализа инвестиционной привлекательности предприятий, т. е. как дополнение к существующим средствам анализа финансово-хозяйственной деятельности предприятия.
Заключение
.
Устойчивое развитие — это процесс развития государства на основе согласования и гармонизации социальной, экономической и экологической составляющих с целью удовлетворения потребностей современных и будущих поколений [8]. В работе построена модель оценки финансового конгломерата, основанная на методе нормы доходности. Построенная матрица «нематериальные активыинновационная активность» позволяет провести комплексный анализ инвестиционной привлекательности на основе оценки нематериальных активов финансовых конгломератов. Кроме того, предложенная методика позволяет не только выявить состояние составляющих интеллектуального капитала организации, но и предложить конкретные меры по развитию деятельности финансовых конгломератов. Инвестиционная привлекательность предприятия — это совокупность его количественных и качественных характеристик, которые являются основанием для принятия решения о целесообразности осуществления или привлечение инвестиций, их объем, источники, структура, срок инвестирования. Только глубокое и всестороннее изучение различных проявлений хозяйственной деятельности предприятия позволит оценить уровень его инвестиционной привлекательности и установить стратегические направления дальнейшего развития. Кроме того оценка инвестиционной привлекательности предприятия открывает для отечественных и иностранных инвесторов новые возможности диверсификации, повышает гарантию вложения средств в инвестиционные проекты. Повышение инвестиционной привлекательности отечественных предприятий, аккумулирования инвестиционных ресурсов и активизирования инвестиционного рынка являются одними из приоритетных путей выхода и преодоления финансово-экономического кризиса в России. Совершенствование механизма координации инвестиций от макродо регионального уровней и из отраслевого к предприятию расширяет инвестиционные возможности предприятий, стимулирует рост инвестиций в экономику и укрепляет финансовую систему государства. Список используемой литературы.
Нормативные акты, инструктивные материалы, официальные справочники.
Декларация и план выполнения решений Всемирной встречи на высшем уровне по устойчивому развитию. 26 августа — 4 сентября 2002.
Йоханнесбург, Южная Африка / 2-е изд. — К .: ПРООН / мпвср, 2007 — С. 13−14. Стратегия и проблемы устойчивого развития России в XXI веке. — М.: Экономика, 2012. — 414 с. Специальная экономическая литература.
Анализ и диагностика финансово-хозяйственной деятельности предприятия: Методические указания / Сост.: Е. Е. Лаврищева, Ю. В. Смольянинова. — Ковров: КГТА, 2012. — 88 с. Анализ хозяйственной деятельности в промышленности: [учебник] / под общ. ред. В. И. Стражева.
Мн.: Высш. шк., 2010. — 938 с. Анализ хозяйственной деятельности: Методические указания к изучению курса / Сост.: Ю. В. Смольянинова. -.
Ковров: КГТА, 2010. — 40 с. Баканов М. И., Шеремет А. Д. Теория экономического анализа: Учебник. — М.: Финансы и статистика, 2011. — 288 с. Балабанов И. Т. Основы финансового менеджмента: Как управлять капиталом. -.
М.: Финансы и статистика, 2010. — 346 с. Балабанов И. Т. Анализ и планирование финансов хозяйствующего субъекта: Учеб. Пособие. — М: «Финансы и статистика», 2012.
— 208 с. Банк В. Р., Тараскина А. В. Финансовый анализ: учебное пособие. — М.: ТК Велби, Изд. Проспект, 2013.
— 344 с.Бирман.
Г., Шмидт С. Экономический анализ инвестиционных проектов: Под ред. Л. П. Белых. — М: Банки и биржи, ЮНИТИ, 2012. — 485 с. Бланк И. А. Основы финансового менеджмента / И. А. Бланк.
— Т. 2. — К.: Ника-Центр, 2013.
— 512 с. Быкадоров В. Л., Алексеев П. Д. Финансово-экономическое состояние предприятия: Практическое пособие. — М: Издательство «ПРИОР», 2010. -.
96 с. Гальперин В. М., Игнатьев СМ., Моргунов В. И. Микроэкономика. — Т. 1. — СПб: Экономическая школа, 2012. 267 с. Гогина Г. Н. Финансовый анализ [учебное пособие]/ Гогина Г. Н. Филиппова О.А. — Самара. 2012.
— 300 с. Гончарук А. Г. Теоретические аспекты управления инвестиционной привлекательностью предприятия / А. Г. Гончарук // Экономический форум. — 2011.
— № 3. — С. 39−44.Джурабаева Г. К. Методология оценки инвестиционной привлекательности промышленного предприятия // Известия Уральского государственного экономического университета.
— 2005. — № 10. — С. 64−72.Ефимова О. В. Финансовый анализ.
М.:" Бухгалтерский учет", 2013.
Зиновьев И.Ф., Черемсина С. Г. Методика экономических исследовании. Симферополь: Таврия, 2010. — 121 с. Ильинская Е. М. Инвестиционная деятельность. — СПб: Финансы и статистика, 2010. — 288 с. Инвестиционно-финансовый портфель (Книга инвестиционного менеджера.
Книга финансового менеджера. Книга финансового посредника) / (Зтв. ред. Рубин Ю. Б., Солдаткин В. И. — М.:" СОМИНТЭК", 2012.-282 с. Периодические издания.
Бицюра, Ю. К проблеме определения понятий устойчивого экономического роста и развития / Ю. Бицюра // Экономист — 2006 — № 5 — С. 62−65.
