Оценка качества применения корректирующих условий в российском антимонопольном регулировании

Существует две фазы принятия решения Комиссией. Во время первой фазы расследования Комиссии доступен меньший объем информации, чем во время второй фазы расследования, когда сделки слияния рассматриваются более тщательно. Но Комиссия может получить необходимый объем информации и на первой стадии, собрав необходимую информацию на предварительном этапе анализа, используя данные компаний. Исходя из этой особенности, авторы построили две спецификации данной модели.

Переменная «мировой лидер» была удалена из обеих спецификаций, так как она принимала значение 1 только в случаях второй фазы расследования, что могло в дальнейшем вызвать смещение коэффициентов.

В первую спецификацию были включены переменные рыночной доли и «политические» переменные, так как эти переменные отражают информацию, которая была доступна на стадии принятия решения Комиссией. Все переменные рыночной доли оказались значимыми на уровне значимости 5%. Оказалось, что вероятность дальнейшего расследования не зависит ни от вертикального характера слияния, ни от национальности объединяющихся сторон и принадлежности к отраслям, ни от политики комиссионера. Значимым оказался фактор размера рынка: если рынок местный или небольшой, то вероятность передачи на вторую фазу расследования уменьшается. Этот вывод согласуется с тем, что Комиссия, взвешивая положительные и отрицательные эффекты слияния, делает вывод, что в среднем высокий уровень концентрации является более опасным на маленьких рынках.

Во второй спецификации добавляются два дополнительных фактора: барьеры входа и вступление в сговор после слияния. Переменные рыночных долей оказались также значимы на 5%-ном уровне. Переменные размер рынка, вертикальный характер слияния, барьеры входа и вступление в сговор после слияния также значимы на 5%-ном уровне.

Первая и вторая спецификации объясняют 79% и 91% случаев соответственно.

Модель 2.

Зависимая переменная в данной модели - бинарная. Комиссия на второй фазе расследования может вынести два типа решения: разрешить или запретить слияние. Были также построены две спецификации модели.

В первую спецификацию были включены переменные рыночных долей и качественные переменные: мировое лидерство фирм, барьеры входа, вступление в сговор после слияния и обязательство компаний. Переменные рыночных долей оказались значимыми на 5%-ном уровне значимости. Из качественных переменных значимой оказалась только переменная мировое лидерство фирм, уровень значимости которой 10%.

Вторая спецификация дала такой же результат, как и первая. В неё были добавлены четыре «политические» переменные и переменная размер рынка, которые оказались незначимыми.

Обе построенные спецификации описывают более 80% случаев. Но при рассмотрении только случаев запрета показатель корректно объясненных случаев меняется: первая и вторая спецификации объясняют 20% и 27% соответственно. Все случаи разрешения слияния правильно классифицированы. Для того чтобы проверить модель на статистическую устойчивость, авторы оценили параметры второй фазы расследования, т.е. были исключены из рассмотрения решения, принятые на первой фазе расследования. Модель оказалась статистически устойчива.

Низкий уровень объясненных случаев запретов показывает, что ни одна из классификаций не способна объяснить различие между решением запретить или разрешить слияние. Причина в том, что переменная «обязательства фирм» не является информативной, кроме того, эта переменная была незначима в обеих классификациях. Причина неинформативности переменной «обязательства фирмы» может быть в том, что разнообразие и комплексность обязательств не может быть отображено единственной фиктивной переменной.

Модель 3.

Третий вид модели позволяет избежать проблему, упомянутую выше. Модель группирует случаи разрешения слияния с вынесением корректирующих условий и запреты слияний. Модель позволяет включить все переменные, за исключением переменной «обязательства фирм». Представлены 6 классификаций.

Первые две спецификации включают произведение переменных «рыночная доля после слияния» и «увеличение рыночной доли» для того чтобы отобразить, что 1%-ное увеличение рыночной доли имеет различное влияние на вынесение решения запрета слияния, т.е. решение зависит от уровня рыночной доли компании до слияния. Третья и четвертая спецификации включают только переменную «рыночная доля после слияния». Пятая и шестая спецификации - переменные «рыночная доля после слияния» и «увеличение рыночной доли» по отдельности.

В первой регрессии параметры, относящиеся к рыночной доли, значимы на уровне значимости 1%. Вероятность вынесения запрета увеличивается, если рыночная доля увеличивается на уровне рыночной доли в 30%. Качественные переменные, барьеры входа и вступление в сговор, также значимы на 1%-ном уровне и имеют ожидаемый знак. Переменная «вертикальное слияние» оказалась незначима, эта переменная имела положительный знак, когда ожидалось, что он будет отрицательным.

Во вторую регрессию были включены «политические» переменные. Переменные рыночной доли, барьеры входа и вступление в сговор оказались значимыми на 5%-ном уровне значимости. Переменная «вертикальные слияния» имела ожидаемый отрицательный знак и оказалась значима на 10%-ном уровне, т.е. если слияние является вертикальным, то вероятность запрета увеличивается. Но так как первая спецификация дала другой результат, не стоит акцентировать на этом внимание.

Из «политических» переменных значимой оказалась только переменная «расположение в США». Коэффициент этой переменной имеет отрицательный знак и является значимым в трех спецификациях из четырех, предполагая, что вероятность вынесения запрета ниже, когда одна из фирм основана в США. Есть различные пути интерпретации полученного результата. Можно предположить, что фирмы, основанные в США, сильнее лоббируют свои позиции, чем фирмы из Европы. Либо можно предположить, что фирмы из США имеют больший опыт осуществления деятельности в условиях антимонопольного регулирования слияний, чем фирмы из других стран. Это влияет на их поведение: обладая большим опытом, фирмы из США могут более эффективно представлять свои права перед антимонопольными органами или более эффективно выбирать условия и партнеров для слияния. Авторы находят первое предположение менее вероятным и не интерпретируют полученный результат как свидетельство смещения «политической» переменной в пользу фирм из США.

Переменные национальность фирм и принадлежность отраслям оказались незначимыми во всех спецификациях.

В спецификациях 3 и 4 переменные рыночной доли оказались значимыми на уровне значимости 1%. Переменные барьеры входа и вступление в сговор оказались значимы на 5%-ном уровне.

В спецификациях 5 и 6, которые включают «рыночные доли после слияния» и «увеличение рыночной доли» по отдельности, значимой оказалась переменная «увеличение рыночной доли». Барьеры входа и вступление в сговор также оказались значимыми на 5%-ном уровне. «Политические» переменные, за исключением «расположение в США» оказались незначимы.

В общем, модели объясняют от 69% до 93% случаев.

Глава 2. Оценка качества применения корректирующих условий в российском антимонопольном регулировании

Во второй главе мы проведем оценку качества российского антимонопольного контроля слияний и поглощений с помощью моделей дискретного выбора. Использование моделей дискретного выбора позволит выделить значимые факторы, на которые опираются антимонопольные органы при вынесении решений и определить согласуются ли решения ФАС с экономической теорией. Это в свою очередь позволит понять какой логики придерживается российский антимонопольный орган при вынесении решений в области контроля слияний и поглощений.

В первом параграфе будут выдвинуты гипотезы и описаны инструменты моделирования. Во втором параграфе будет представлена характеристика базы данных за период с 2010 по 2012 года, результаты оценки логистической модели и обсуждение результатов.

2.1 Выдвижение гипотез и построение модели

Принимая решение «безоговорочно» одобрить сделку или же одобрить, но с вынесением корректирующих условий, ФАС ориентируется на ряд факторов. Это могут быть структурные факторы (рыночная доля компаний, рыночная концентрация, барьеры входа на рынок), использование которых экономически обоснованно, политические факторы (национальная принадлежность, глава антимонопольного органа), которые были протестированы за рубежом в исследованиях М. Бергмана. Также это могут быть рыночные факторы (горизонтальная или вертикальная сделка), характеризующие рынок, на котором будет происходить слияние. Возможно также использование специфичных для России факторов - это регистрация фирмы в оффшорной зоне. Для оценки качества российского антимонопольного регулирования важно понять какие факторы ФАС считают значимыми при вынесении решения одобрить сделку безусловно или же вынести предписание.

Для достижения этой цели выдвинем ряд гипотез:

а) Чем выше рыночная доля фирмы-покупателя или фирмы-продавца, тем выше вероятность вынесения предписания по данной сделке. Рыночная доля является одним из показателей рыночной власти фирм. Если рыночная доля фирмы увеличивается, то увеличивается рыночная власть этой фирмы. Увеличение рыночной власти фирмы приводит к повышению вероятности злоупотребления фирмы своим положением на рынке. Появление угрозы конкуренции со стороны данной фирмы требует применения коррекции со стороны антимонопольных органов. Для того чтобы не потерять выгод от совершаемого слияния, антимонопольный орган одобряет сделку, выдвигая предписание структурного или поведенческого характера. Таким образом ФАС ограничивает деятельность фирмы на рынке: регулирует цены (поведенческие предписания) или отчуждает активы (структурные предписания).

б) Принадлежность к определенному виду экономической деятельности (отрасли или сектору) может оказывать значительное влияние на решение ФАС. Отличие в сочетании технологий, спроса и государственного регулирования влияет на структуру рынка и уровень концентрации. Поэтому в одних отраслях вероятность вынесения предписания при слиянии фирм может быть высокой, а в других - низкой.

в) Определенный характер сделки повышает вероятность вынесения предписания:

1) Горизонтальные сделки увеличивают рыночную власть компаний. В результате чего увеличивается вероятность злоупотребления властью данной фирмой на соответствующем рынке. Но слияния горизонтального характера также могут способствовать конкуренции на рынке. Горизонтальная сделка может увеличить эффективность за счет экономии от масштаба. Снижение издержек в свою очередь может привести к снижению цены и к способности компании удовлетворять большую величину спроса. Несмотря на возможные положительные эффекты от горизонтального слияния, такие сделки могут требовать более жесткого регулирования со стороны антимонопольного органа. Чтобы сохранить условия конкуренции, антимонопольный орган для данного типа сделок чаще использует структурные предписания. Продажа активов уменьшает горизонтальный эффект слияния.

2) Вертикальные сделки могут ограничивать доступ конкурентам к соответствующим ресурсам и производственным мощностям, тем самым нарушая существовавшие до сделки условия конкуренции. Но в результате вертикального слияния компания также может снизить транзакционные издержки, уменьшить эффект двойной монопольной надбавки и получить синергетический эффект в сфере производства и сбыта конечной продукции, что может в данном случае способствовать конкуренции. Несмотря на потенциальные положительные эффекты от вертикальных сделок, такие сделки могут требовать более жесткого регулирования со стороны антимонопольных органов. Вертикально-интегрированная фирма может дискриминировать потребителей по цене, ограничивать конкурентов в доступе к ресурсам - в таких случаях повышается вероятность применения поведенческого средства коррекции.

г) В российской специфике оффшорные зоны предоставляют компаниям особые льготы относительно налоговых платежей, защиту собственности, анонимность и конфиденциальность операций. Компания, зарегистрированная в оффшорной зоне, приобретает особый статус, который «обеспечивает возможность эффективного сокрытия факта владения фирмами» [30]. Таким образом, мы предположим, что регистрация фирмы в оффшорной зоне может способствовать осуществлению более жесткого контроля со стороны ФАС.

д) В работах М. Бергмана с соавторами (Bergman M. et al., 2005) и П. Бугетта с соавторами (Bougette P. et al., 2008) проверяется значимость национальной принадлежности фирмы. В России регулированию деятельности иностранных компаний посвящено специальное положение. Проверим, требуют ли в российской практике антимонопольного регулирования более жесткого контроля со стороны антимонопольных органов сделки, в которых покупателем является иностранная компания.

е) В разных сделках компаниям передается разный контроль: покупка фирмой акций и долей в уставном капитале, получение в пользование основных производственных фондов, прав, позволяющих определять условия осуществления предпринимательской деятельности. Проверим, влияет ли форма реорганизации на решение антимонопольных органов (вероятность вынесения предписания).

ж) Приобретение акций и долей в уставном капитале является преобладающим предметом сделок слияний за рассматриваемый период. Проверим, влияет ли величина покупаемых акций и долей в уставном капитале, а также их разница на вынесение решения антимонопольными органами.

Для того чтобы протестировать выдвинутые гипотезы будем использовать модели дискретного выбора (discrete choice models). Дискретные модели - это модели, в которых нужно сделать выбор среди набора альтернатив, удовлетворяющих трем критериям: они должны быть взаимоисключающими, исчерпывающими и их количество должно быть конечным (43). В основе методологии дискретного выбора лежит микроэкономическая теория. Считается, что индивид делает выбор из имеющихся альтернатив, максимизируя свою выгоду (McFadden, 1973).

Мы используем логистическую регрессию, чтобы оценить вероятность того, как тот или иной фактор влияет на решение антимонопольных органов: разрешить сделку без вынесения условий или разрешить сделку, но с выдачей предписания. Уравнение логистической регрессии, в данном случае, представляет собой натуральный логарифм отношения вероятности вынесения предписания (p) к вероятности безусловного разрешения слияния (1-p):

, (2)

Где: P_t - это вероятность того, что определенное событие (выдача предписания) произойдет для наблюдения t;

X_t - вектор объясняющих переменных;

? - вектор параметров, который будет оценен.

Зависимая переменная (y_t) принимает значение 1, если ФАС выдает предписание, и 0, если ФАС разрешает сделку слияния без вынесения корректирующих условий. Следовательно, P_t - это условная вероятность того, что будет выдано предписание:

(3)

Логит модель может быть представлена с помощью скрытой или латентной переменной Z, которая в нашем случае показывает отношение Федеральной Антимонопольной Службы к негативным последствиям, которые порождает слияние. Если латентная переменная Z принимает значение выше критического уровня Z*, то y_t = 1. Такой вывод аналогичен выводу пробит модели. Эти модели отличаются тем, что ошибки, как предполагается, имеют распределение экстремального значения (the extreme-value function), а не нормальное распределение (Davidson and MacKinnon, 1993).

В модели были использованы следующие объясняющие переменные:

Acquid1, acquid2, acquid3: Бинарные переменные, которые отражают рыночную долю компании-покупателя до проведения сделки слияния. В текстах решений Федеральной Антимонопольной Службы не указываются рыночные доли компаний, за исключением отрасли электроэнергетики, поэтому переменная была разбита на три части.

Acquid1: Бинарная переменная, принимающая значение 1, если рыночная доля покупателя до сделки слияния находится в промежутке [0-35%]. Для электроэнергетики промежуток будет другим: [0-20%] (2).

Acquid2: Бинарная переменная, которая принимает значение 1, если рыночная доля покупателя до сделки слияния находится в промежутке от 35% (от 20% для отрасли электроэнергетики) до 50%.

Acquid3: Бинарная переменная, которая принимает значение 1, если доля рынка покупателя до сделки слияния составляет от 50 до 100%.

Для того чтобы определить к какому промежутку принадлежит рыночная доля компании был использован Реестр хозяйствующих субъектов, с долей на рынке более 35% (32), исследования, посвященные анализу отраслей (38), и официальные сайты компаний.

Acquir1, acquir2, acquir3: Бинарные переменные, которые отражают рыночную долю приобретаемой компании до проведения сделки слияния. Рыночные доли разбиты на три части по аналогичному принципу, что и рыночные доли компании-покупателя.

Hmerger: Бинарная переменная, принимающая значение 1 в случае горизонтального характера слияния.

Vmerger: Бинарная переменная, принимающая значение 1 в случае вертикального характера слияния.

Для проверки значимости принадлежности компаний к определенному виду экономической деятельности были созданы 13 бинарных переменных (таблица 1). Переменная принимает значение 1, если принадлежит определенному виду экономической деятельности, и 0 в другом случае.

Offshore: Бинарная переменная, принимающая значение 1 в случае регистрации хотя бы одной из фирм в оффшорной зоне, и 0 в противном случае.

Typetransaction: Фиктивная переменная, которая принимает значения от 0 до 2: 0 - получение в пользование или владение основных производственных фондов, 1 - получение прав, позволяющих определять условия осуществления предпринимательской деятельности или позволяющих осуществлять функции исполнительного органа, 2 - покупка фирмой акций и долей в уставном капитале (далее форма реорганизации).

Sharecapital2: Количественная переменная, показывающая суммарное количество акций или долей в уставном капитале компании-покупателя после осуществления сделки.

Foreigncountry1: Бинарная переменная, принимающая значение 1, если покупатель - иностранная компания (далее национальная принадлежность фирм).

Foreigncountry2: Бинарная переменная, которая принимает значение 1, если компания, которую покупают зарегистрирована за рубежом.

Таким образом, мы получили 26 объясняющих переменных, 25 из которых - фиктивные переменные. Поиск данных для таких переменных, как национальная принадлежность фирм, регистрация в оффшорной зоне и распределение по видам экономической деятельности не вызвало никаких проблем. Переменные вертикальное (Vmerger) и горизонтальное (Hmerger) слияние были составлены на экспертном мнении.

Таблица 1 Распределение переменных по видам экономической деятельности

Код ОКВЭД	Вид основной экономической деятельности	Количество сделок, где переменная равна 1
SectorA	Сельское хозяйство, охота и лесное хозяйство	77 (3,12%)
SectorB	Рыболовство, рыбоводство	2 (0,08%)
SectorC	Добыча полезных ископаемых	100 (4,06%)
SectorD	Обрабатывающие производства	450 (18,25%)
SectorE	Производство и распределение электроэнергии, газа и воды	160 (6,49%)
SectorF	Строительство	101 (4,10%)
SectorG	Оптовая и розничная торговля; ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования	337 (13,67%)
SectorH	Гостиницы и рестораны	18 (0,73%)
SectorI	Транспорт и связь	345 (13,99%)
SectorJ	Финансовая деятельность	268 (10,87%)
SectorK	Операции с недвижимым имуществом, аренда и предоставление услуг	492 (19,95%)
SectorL	Государственное управление и обеспечение военной безопасности; обязательное социальное обеспечение	1 (0,04%)
SectorM	Образование	-
SectorN	Здравоохранение и предоставление социальных услуг	-
SectorO	Предоставление прочих коммунальных, социальных и персональных услуг	80 (3,24%)
SectorP	Предоставление услуг по ведению домашнего хозяйства	-
SectorQ	Деятельность экстерриториальных организаций	-
SectorR	Инвестиционная деятельность	29 (1,18%)
Всего:	2460 (100%)

2.2 Обсуждение результатов оценивания

В данном параграфе представим характеристику генеральной совокупности, из которой была составлена база данных и представим полученные результаты и их обсуждение. Под генеральной совокупностью будем понимать все решения ФАС, выданные за рассматриваемый период (2010-2012 годы).

Согласно ежегодным Докладам о состоянии конкуренции (41, 42) за период с 2010 по 2012 годы в ФАС было подано 9055 ходатайств, 8083 (89%) из которых были удовлетворены, 804 (9%) были удовлетворены с выдачей предписаний или после выполнения определенных условий, а в 168 (2%) случаях было отказано в согласовании. Динамика структуры решений представлена ниже (рис. 1).

Для проведения эмпирического анализа за период с 2010 по 2012 годы была собрана выборка. Данные для выборки были взяты из текстов решений ФАС, выложенных на официальном сайте антимонопольного органа в рассматриваемый период. За три года (2010-2011гг.) ФАС выложила на сайте 4421 решение, что составляет 48,82% от генеральной совокупности. В выборку из 4421 вошли 2528 решений: 1122 за 2010 год (все решения за 2010 год, выложенные на официальном сайте ФАС), 724 за 2011 год (50,31% от выложенных решений на сайте за этот год) и 682 за 2012 год (39,81% от выложенных решений на сайте за этот год). Следует отметить, что некоторые решения дублировались на сайте, такие наблюдения не были включены в рассмотрение.

Рис. 1. Динамика генеральной совокупности [41, 42, C. 125]

Таким образом, выборка состоит из 2528 решений ФАС, из которых 91% (2297 сделки) были удовлетворены без выдачи предписаний, 7% (172 сделки) были одобрены с выдачей предписаний структурного и поведенческого характера и в 2% (59 сделок) случаях был выдан отказ. Важно заметить, что структура выборки практически повторяет структуру генеральной совокупности (таблица 2). Динамику структуры данной выборки представлена ниже (рис. 2).

Рассматриваемая выборка не является независимой, так как она составляет лишь 27,92% от генеральной совокупности. Поэтому для проверки корректности результатов, полученных при построении логит модели для выборки, была построена логит модель для подвыборки (1200 сделок), которая была случайным образом сгенерирована и которая повторяет структуру генеральной совокупности (таблица 2).



Рис. 2. Динамика структуры выборки

Таблица 2 Описание генеральной совокупности и выборки в 2010-2012 гг. Fas.gov.ru / Доклад о состоянии конкуренции в Российской Федерации за 2011 год

	Генеральная совокупность	Выборка	Подвыборка
Удовлетворено	89%	8083	91%	2297	89%	1068
Удовлетворено с выдачей предписаний	9%	804	7%	172	9%	108
Отказано	2%	168	2%	59	2%	24
Всего	100%	9055	100%	2528	100%	1200

Описав методологию и выборку, с помощью которой будут выявлены факторы, влияющие на решение ФАС России, перейдем к обсуждению полученных результатов.

Для проверки наличия мультиколлинерности и для выявления силы связи между зависимой переменной и объясняющими переменными проведем корреляционный анализ (приложение 1).

Для того чтобы определить силу зависимости между качественными переменными был рассчитан ранговый коэффициент корреляции Спирмена, который не выявил ни средней, ни сильной степени взаимосвязи между предикторами (таблица 1, приложение 1). Для определения степени взаимосвязи между тремя количественными переменными и качественными был рассчитан коэффициент корреляции Кенделла, который также не выявил ни средней, ни сильной степени взаимосвязи между предикторами (таблица 2, приложение 2).

Анализируя коэффициенты корреляции Спирмена между результирующей переменной и факторами, можно выдвинуть следующие предположения.

Более сильное влияние на решение проводить коррекцию оказывают рыночные доли приобретаемой компании (Acquir1 - доля рынка приобретаемой компании, находящаяся в промежутке [0-35%], отрицательное влияние, Acquir3 - доля рынка приобретаемой компании, находящейся в промежутке [50-100%], положительное влияние). Между решением ФАС и рыночными долями наблюдается средняя сила взаимосвязи (коэффициент корреляции находится в промежутке [0,3 - 0,6].

Меньшее влияние на решение антимонопольных органов оказывают горизонтальный характер слияния (положительное влияние), Acquid1 и Acquid3 - рыночные доли фирмы-покупателя, входящие в промежуток [0-35%] (отрицательное влияние) и входящие в промежуток [50-100%] (положительное влияние), Acquir2 - рыночная доля покупаемой фирмы, находящаяся в промежутке [35-50%] (положительное влияние), и принадлежность к виду экономической деятельности - операции с недвижимым имуществом, аренда и предоставление услуг (отрицательное влияние). Между решением ФАС и данными переменными наблюдается слабая сила взаимосвязи (коэффициент корреляции находится в промежутке [0,1 - 0,3]).

Остальные факторы оказывают, по результатам корреляционного анализа, относительно небольшое влияние на решения ФАС. Проверим эти предположения и выдвинутые ранее гипотезы, построив регрессионную модель.

При построении логит модели выбор объясняющих переменных был произведен на основе корреляционного анализа и экономической теории.

Выбирая лучшие модели, мы ориентировались на следующие критерии:

- значимость рассчитанных коэффициентов;

- значения R² Нэйджелкерка (Nagelkerke's ), указывающего долю влияния всех предикторов модели на дисперсию зависимой переменной;

- процент корректно объясненных переменных (percentage of correct predictions).

Для того чтобы интерпретировать модели бинарного выбора, следует смотреть на знак и величину коэффициента. Глядя на знак коэффициента, можно сказать как повлияет данный фактор на вероятность применения коррекции: либо увеличит вероятность решения проводить коррекцию (+) либо уменьшит эту вероятность (-). Глядя же на величину коэффициентов, можно сделать вывод какой из факторов влияет больше или меньше на результирующую переменную. Т.е. величина коэффициентов служит для сравнения этих значений коэффициентов между собой для того, чтобы определить какой из факторов оказывает большее влияние (Greene W.H., 2003). Регрессии были построены в программе SPSS Statistics 19.

Модель 1 построена на основе выборки. Все включенные объясняющие переменные являются значимыми на 5% -ном уровне, модель значима на уровне 1%. Построенная логистическая модель объясняет 19,7% случаев принятия решения антимонопольными органами, 93,7% прогнозных значений оказались верными.

Аналогичная модель была построена на основе подвыборки, которая была случайным образом сгенерирована и которая повторяет структуру генеральной совокупности, для проверки корректности результатов, полученных при построении логит модели для выборки. Все включенные объясняющие переменные являются значимыми на 10%-ном уровне, модель значима на уровне 1%. Построенная логистическая модель объясняет 23,5% случаев принятия решения антимонопольными органами, 91,1% прогнозных значений оказались верными. Таким образом, можно сделать вывод, что полученные результаты корректны.

Таблица 3 Логит модель

Зависимые переменные	Модель для выборки	Модель подвыборки
SectorI	-1,115***	-1,259***
Acquid1	-0,618**	-1,256***
Acquid2	1,583***	0,94**
Acquir2	1,552***	0,951*
Vmerger	1,255***	1,294***
Hmerger	2,635***	1,657***
Константа	-2,829***	-1,901***
R2 Нэйджелкерка	19,7%	23,5%
Процент верных прогнозных значений	93,7%	91,1%

*Значим на уровне 0.1. **Значим на уровне 0.05. ***Значим на уровне 0.001

Далее была проведена проверка адекватности модели с помощью теста Хосмера-Лемешева (the Hosmer-Lemeshow goodness of fit test). Данный тест применяется только для бинарных моделей. Процедура теста заключается в следующем: происходит группировка наблюдений по ожидаемым вероятностям, затем тестируется гипотеза - разница между наблюдаемыми и ожидаемыми событиями равна нулю для всех групп. В нашем случае для построенных логит моделей не отвергается гипотеза о допустимо незначительных расхождениях между фактической и модельной классификацией «разрешение» - «выдача предписания» (приложения 2 и 3) (Hosmer, D. W. and Lemeshow S., 1989).

На основе построенной модели, представленных в таблице 3, можно сделать следующие выводы:

- Если компания-покупатель занимает на соответствующем рынке долю от 35 до 50%, то вероятность вынесения предписания Федеральной Антимонопольной Службой увеличивается.

- Аналогичный вывод относительно рыночной доли делается для приобретаемой компании.

- Если слияние носит характер горизонтального или вертикального, вероятность вынесения предписания антимонопольными органами увеличивается.

- Принадлежность к виду экономической деятельности - связь и транспорт - уменьшает вероятность применения корректирующих условий со стороны антимонопольных органов.

Всё сказанное позволяет сделать следующий вывод антимонопольный орган при решении использовать коррекцию использует определенную логику. Федеральная Антимонопольная Служба в половине случаев руководствуется экономической теорией. В остальных случаях антимонопольная служба ориентируется на другие факторы, не включенные в модель.

Качество построенной эконометрической модели в дальнейшем может быть улучшено благодаря включению дополнительных важных факторов, например, барьеров входа на рынок или выручка компании.

корректирующий слияние поглощение антимонопольный

Глава 3. Применение корректирующих условий: случай электроэнергетики

В третьей главе мы оценим деятельность антимонопольного органа на российском рынке электроэнергетики. Оценка будет проводится с помощью проведения ex-post анализа и моделей дискретного выбора. Для проведения ex-post анализа оценим результаты применения корректирующих условий для отдельных случаев крупных сделок. Это позволит определить приносит ли использование средств коррекции планируемые результаты и влияет ли вынесенное требование на участников сделки, на потребителей и на конкурентов и если влияет, то каким образом. Использование моделей дискретного выбора позволит выделить значимые факторы, на которые опираются антимонопольные органы при вынесении решений в данной отрасли и определить согласуются ли в данном случае решения ФАС с экономической теорией.

В первом параграфе будут дана характеристика отрасли и рассмотрено антимонопольное регулирование на примере группы ИНТЕР РАО ЕЭС. Во втором параграфе будет изучено регулирование всей отрасли за период с 2010 по 2012 годы с помощью моделей дискретного выбора и представлено обсуждение результатов.

3.1 Коррекция сделок с участием группы ИНТЕР РАО ЕЭС

Рынок электроэнергетики России на протяжении последних 15 лет претерпел структурные изменения от «от модели с доминирующей вертикально-интегрированной компанией к потенциально конкурентной модели организации экономических отношений» [28]. Несмотря на то, что разделение российского акционерного общества «ЕЭС России» было закончено 1 июля 2008 года, построение конкурентной модели организации экономических отношений не завершено и продолжается до сих пор.

Реформирование электроэнергетики заключается в разделении данной отрасли на «потенциально конкурентные и естественно-монопольные виды деятельности» [28]. Цель проведения реформы - обеспечить конкуренцию с помощью привлечения частных инвестиций в таких секторах электроэнергетики, где это возможно, таким образом обеспечивая потребителей достойным качеством услуг и снижением цен.

Несмотря на проведение реформы электроэнергетики, доля присутствия государства на рынке электроэнергетики достаточно высока. Важно понять, нужно ли осуществлять антимонопольное регулирование на данном рынке. Когда большинство игроков являются государственными компаниями, не является ли регулирование избыточным контролем? При регулировании рассматриваемого рынка антимонопольные органы чаще, чем в других отраслях, используют такой инструмент как структурное предписание. Важно понять, приносит ли ожидаемые результат использование структурных средств коррекции и в каких случаях используются поведенческие средства коррекции.

Сначала определим к какой рыночной структуре относится рынок электроэнергетики, а затем рассмотрим антимонопольное регулирование на примере конкретной компании: ОАО «ИНТЕР РАО ЕЭС».

По рыночной структуре электроэнергетика представляет собой рынок закрытой олигополии, так как для электроэнергетики характерны следующие особенности:

- 90% рынка распределено между крупными игроками (табл. 4 и 5);

- Товар рынка электроэнергии, электрическая энергия и мощность, является стандартизированным.

- главных свойств товара рынка электроэнергии: неэластичность спроса по цене, невозможность адресной поставки электрической энергии и мощности конкретного производителя конкретному потребителю, невозможность хранения (38).

- Отсутствие товаров-заменителей.

Таблица 4 Распределение рыночных долей первой ценовой зоны Fas.gov.ru / Доклад о состоянии конкуренции в Российской Федерации за 2011 год

Группы лиц (ГЛ)/Участники	Рыночные доли, %
ГЛ Газпром	23,90%
ОАО "Концерн Росэнергоатом"	16,20%
ГЛ ИНТЕР РАО ЕЭС	14,20%
ГЛ КЭС	9,92%
ОАО "РусГидро"	9,39%
ОАО "Энгел ОГК-5"	6,23%
ОАО "Э.ОН Россия"	5,42%
ОАО "Генерирующая компания"	3,34%
ОАО "Квадра"	2,34%
ГЛ ЛУКОЙЛ	2,32%
ОАО "Фортум"	2,18%

Таблица 5 Распределение рыночных долей второй ценовой зоны

Группы лиц (ГЛ)/Участники	Рыночные доли, %
ОАО "РусГидро"	15,89%
ГЛ СУЭК	15,52%
ГЛ ИНТЕР РАО ЕЭС	7,97%
ГЛ Кузбассразрезуголь	6,78%
ГЛ Концерн Росэнергоатом	2,46%

Одним из крупных игроков рынка электроэнергетики является компания ИНТЕР РАО ЕЭС. Это крупная энергетическая компания, управляющая активами как в России, так и в странах Европы и СНГ. Деятельность ИНТЕР РАО включает в себя производство электрической и тепловой энергии, энергосбыт, международный энерготрейдинг, инжиниринг, экспорт энергооборудования и управление распределительными электросетями за пределами РФ (29).

В структуру ИНТЕР РАО входят следующие генерирующие активы (29):

- 37 тепловых электростанций и 9 мини-ТЭЦ;

- 13 гидроэлектростанций (в том числе 9 малых ГЭС);

- 2 ветропарка.

Также ИНТЕР РАО управляет семью российскими энергосбытовыми компаниями, имеющими статус гарантирующих поставщиков:

- «Мосэнергосбыт» (гарантирующий поставщик на территории Москвы и Московской области);

- Петербургская сбытовая компания (гарантирующий поставщик на территории Санкт-Петербурга и Ленинградской области);

- «Энергия Холдинг» (гарантирующий поставщик на территории Санкт-Петербурга и Ленинградской области);

- «Алтайэнергосбыт» (гарантирующий поставщик на территории Республики Алтай и Алтайского края);

- «Саратовэнерго» (гарантирующий поставщик на территории Саратовской области);

- Тамбовская энергосбытовая компания (гарантирующий поставщик на,территории Тамбовской области);

- «ИНТЕР РАО - Орловский энергосбыт» (гарантирующий поставщик на территории Орловской области).

Группа ИНТЕР РАО также владеет тремя компаниями, которые осуществляют сбыт электроэнергии крупным промышленным потребителям:

- «РН-Энерго»;

- «Промышленная энергетика»;

- «РТ-Энерготрейд».

Первоначально ИНТЕР РАО являлась государственной компанией. Она была создана для целей экспорта и импорта электроэнергии в качестве дочерней компании РАО ЕЭС России в 1997 году. В результате проведения реформы российской электроэнергетики в 2008 году дочерняя компания РАО ЕЭС была преобразована в открытое акционерное общество. Не смотря на преобразование в ОАО компания осталась государственной, так как около 60% акционерного капитала принадлежит государственным организациям (рис. 3). Цель создания ОАО «ИНТЕР РАО ЕЭС» - выкупить обратно компании, перешедшие в руки частных инвесторов в результате проведения реформы РАО «ЕЭС России». Правительство решило, что приватизация некоторых государственных компаний прошла не очень успешно и необходимо вмешательство государства (25).

Рис. 3 . Структура акционерного капитала ОАО «ИНТЕР РАО ЕЭС» по состоянию на 29 декабря 2012 года. [29]

Таким образом, политикой ИНТЕР РАО в области генерации электроэнергетики стало приобретение «проблемных» тепловых генерирующих активов. Примером стало приобретение в 2009 году одной из крупнейших компаний по производству тепловой и электрической энергии - ОАО «ОГК-1», которая осталась без стратегического частного инвестора. Другим примером служит консолидация в 2010 году с ОАО «ТГК-11». Данная компания оказалась одной из самых проблемных компаний в отрасли во время реформирования энергетики. Стратегическим акционером ОАО «ТГК-11» в процессе реформы энергетики выступала инжиниринговая компания «Группа Е4», которая отказалась завершать сделку по приобретению государственного пакета акций ТГК-11, в результате чего акции остались у Федеральной сетевой компании (26). В области сбыта электроэнергии политика ИНТЕР РАО другая - прямая экспансия в регионы. В 2011 компания ИНТЕР РАО становится контролирующим акционером пяти энергосбытовых компаний: ОАО «Мосэнергосбыт», ОАО «Петербургская сбытовая компания», ОАО «Алтайэнергосбыт», ОАО «Саратовэнерго», ОАО «Тамбовская энергосбытовая компания». В 2012 году компания приобретает генерирующие активы Группы «Башкирэнерго» и становится 100%-ным акционером ОАО «ТГК-11» и ОАО «Петербургская сбытовая компания».

В результате наращивания активов ОАО «ИНТЕР РАО ЕЭС» стала компанией, занимающей доминирующее положение на рынке в некоторых регионах (табл. 6). «В соответствии со статьей 25 Закона об электроэнергетике доминирующим признается положение хозяйствующего субъекта (группы лиц), если доля установленной мощности его генерирующего оборудования или доля выработки электрической энергии с использованием указанного оборудования в границах зоны свободного перетока превышает 20 процентов» [2].

Таблица 6 Рыночные доли по установленной мощности Группы Лиц «ИНТЕР РАО ЕЭС» на рынке производства электрической и тепловой энергии

Географические границы рынка	Рыночные доли, %
Первая ценовая зона	12,01
Вторая ценовая зона	7,97
Зона свободного перетока:
Тюмень	13,00
Центр	16,26
Сочи	83,86
Бурятия	88,66
Чита	31,64
Урал	44,95
Омск	100,00
Сибирь	1,23
Центр/Москва	1,00
Запад	7,06

Как видно из таблицы 6, группа ИНТЕР РАО в первой и второй ценовой зоне не занимает доминирующего положения, в отличие от зон свободного перетока. В Сочи, Бурятии и Омске ИНТЕР РАО является монополистом, в Чите и на Урале - доминирующей фирмой.

За период своего существования группа лиц ОАО «ИНТЕР РАО ЕЭС» подала в Федеральную Антимонопольную Службу 24 ходатайства о приобретении генерирующих и сбытовых активов, 12 из которых были удовлетворены без вынесения предписаний. Девять из 24 ходатайств были одобрены, но с вынесением предписаний. В трех случаях из 24 в слиянии было отказано из-за угрозы ограничения конкуренции на соответствующем рынке.

Рассмотрим характер выданных предписаний ИНТЕР РАО (табл. 7).

Таблица 7 Компании, при слиянии с которыми ИНТЕР РАО были выданы предписания

Дата вынесения решения	Приобретаемая компания	Приобретаемое количество акций	Производство/ сбыт электроэнергии	Тип предписания
30.08.2010	ОАО "Волжская ТГК"	0,25	Производство	Структурно-поведенческое
29.10.2010	ОАО "ТГК-6"	0,25	Производство	Структурно-поведенческое
05.03.2011	ОАО "ОГК-3"	0,75	Производство	Структурное
15.03.2011	ОАО "Мосэнергосбыт"	0,5092	Сбыт	Структурно-поведенческое
15.03.2011	ОАО энергетики и электрификации "Саратовэнерго"	0,7446	Сбыт	Структурно-поведенческое
15.03.2011	ОАО "Петербургская сбытовая компания"	0,7499	Сбыт	Структурно-поведенческое
15.03.2011	ОАО "Томская энергосбытовая компания"	0,2564	Сбыт	Структурно-поведенческое
26.01.2012	ОАО "Башкирэнерго"	0,75	Производство	Поведенческое
15.06.2012	ОАО "Башэнергоактив"	0,75	Производство	Поведенческое

В отношении сделок по приобретению генерирующих активов (ОАО "Волжская ТГК", ОАО "ТГК-6", ОАО "ОГК-3", ОАО "Башкирэнерго", ОАО "Башэнергоактив") ФАС выдала предписания различного типа: как требование продать активы, так и регулирование цен.

В отношении сделок по приобретению сбытовых активов (ОАО "Мосэнергосбыт", ОАО "Саратовэнерго", ОАО "Петербургская сбытовая компания", ОАО "Томская энергосбытовая компания") были выданы предписания поведенческого и структурного характера, согласно которым необходимо:

- прекратить права собственности или отказаться от иной возможности осуществления предоставленного акциями ОАО «Мосэнергосбыт» в размере более 50% права голоса;

- не допускать действий, которые могут привести к значительному повышению цен на розничном рынке;

- не заключать свободные договоры на поставку электрической энергии и (или) мощности внутри группы лиц ОАО «ИНТЕР РАО ЕЭС»;

- не завышать объемы потребления в отношении точек поставки, в которых ОАО «Мосэнергосбыт» приобретает электрическую энергию (мощность) на оптовом рынке с целью продажи на розничном рынке(27).

По словам заместителя руководителя ФАС Голомолзина А.Н. «по сделкам с участием "Интер РАО", "Газпрома" и других, в тех зонах рынка, где возникало или усиливалось доминирующее положение, мы предписывали продать ряд энергетических активов компаний, входящих в соответствующие группы лиц» [32].

Как говорилось ранее, главная цель применения корректирующих условий - обеспечение конкуренции после проведения слияния, в результате которой будут устанавливаться доступные цены для потребителей. Таким образом, «одним из показателей, характеризующих состояние электроэнергетики, является цена на электроэнергию». [28].

3.2 Моделирование процесса принятия решений антимонопольными органами относительно слияний и поглощений: случай электроэнергетики

Для оценки эффективности средств коррекции в рассматриваемой отрасли необходимо выделить значимые факторы, на которые опираются антимонопольные органы при вынесении решения. Это позволит определить согласуются ли решения ФАС с экономической теорией, придерживается ли логике Федеральная Антимонопольная Служба при вынесении решений в области контроля слияний и поглощений на рынке электроэнергетики.

Для достижения этой цели выдвинем аналогичные гипотезы, которые были описаны в третьей главе. Далее будем использовать аналогичный инструмент (логистическая регрессия) для тестирования гипотез. В качестве зависимых переменной будут выступать вероятность вынесения предписания (зависимая переменная принимает значение 1, если ФАС выдает предписание, и 0, если ФАС разрешает сделку слияния без вынесения корректирующих условий) и вероятность отказа (зависимая переменная принимает значение 1, если ФАС выносит отказ, и 0, если ФАС разрешает сделку слияния без вынесения корректирующих условий). Перейдем к следующему шагу - описание данных и переменных.

Собранная выборка состоит из 232 ходатайств, поданных в период с 2010 по 2012 года, из которых 80% (186) были удовлетворены без выдачи предписаний, в 7% (15) случаях были получен отказ и 13% (31) сделок были одобрены с выдачей предписаний структурного и поведенческого характера. Доля структурных предписаний составляет 30% (9), доля поведенческих - 35% (11) и 35% (11) выданных предписаний содержат черты и поведенческого и структурного предписаний (табл. 8). В 60% случаях происходило приобретение генерирующих активов и в 20% - приобретение сбытовых активов.

Таблица 8 Описание выборки в 2010-2012 гг.

	Выборка
Удовлетворено	80%	186
Удовлетворено с выдачей предписаний, в т.ч.:	13%	31
поведенческих	30%	9
структурных	35%	11
структурно-поведенческих	35%	11
Отказано в согласовании	7%	15
Всего	100%	232

Были введены аналогичные объясняющие переменные, описанные в третьей главе:

ѕ переменные рыночной доли (Acquid1, Acquid2, Acquid3, Acquir1, Acquir2, Acquir3);

ѕ переменные горизонтального и вертикального слияний (Hmerger, Vmerger);

ѕ регистрация в оффшорной зоне (Offshore);

ѕ форма реорганизации (Typetransaction);

ѕ переменные, показывающие суммарное количество акций или долей в уставном капитале покупаемой компании (Sharecapital2).

Для проверки значимости принадлежности компаний к рынку производства или сбыта электрической энергии созданы 2 бинарные переменных (SectorE, SectorG). Так как только 2 компании были иностранными покупателями активов, проверка значимости национальной принадлежности компании в отрасли электроэнергетики не имеет смысла.

Таким образом, мы получили 15 объясняющих переменных, 12 из которых - фиктивные переменные. Составление таких переменных, как рыночная доля фирм и регистрация в оффшорной зоне и не вызвало никаких проблем. Переменные вертикальное (Vmerger) и горизонтальное (Hmerger) слияние были составлены на основе экспертного мнения.

Описав выборку, с помощью которой будут выявлены факторы, влияющие на решение ФАС России и переменные, перейдем к обсуждению полученных результатов моделей для первой зависимой переменной - решение антимонопольного органа разрешить сделку с выдачей предписания.

Для проверки наличия мультиколлинерности и для выявления силы связи между зависимой переменной и объясняющими переменными был проведен корреляционный анализ (приложение 4).

Для того чтобы определить силу зависимости между качественными переменными был рассчитан ранговый коэффициент корреляции Спирмена, который выявил сильную степень взаимосвязи между переменными SectorE и SectorG, Acquir1 и Acquir3, Acquid1 и Acquid3. Также была выявлена средняя степень взаимосвязи между следующими переменными: Acquir3 и SectorG, Acquir1 и SectorG, Acquid2 и Acquir2, Hmerger и Acquid2, Hmerger и SectorE, Offshore и Acquid1, Offshore и Acquid3. Следовательно, для того чтобы не допустить мультиколлинеарности в модели, будем строить модели, используя одну из двух коррелирующих переменных.

Для определения степени взаимосвязи между количественной переменной и качественными был рассчитан коэффициент корреляции Кенделла, который выявил сильную взаимосвязь между переменными Sharecapital2 и Typetransaction. Следовательно, чтобы не допустить мультиколлинеарность при построении моделей будем использовать только одну из них.

Анализируя коэффициенты корреляции Спирмена между результирующей переменной и факторами, можно выдвинуть следующие предположения.

Более сильное влияние на вынесение предписания оказывают рыночные доли компании-покупателя (доля рынка приобретаемой компании, находящаяся в пределах между нижней границы доминирования и 50% (Acquid2) -положительнок влияние) и горизонтальный характер сделки (Hmerger - положительное влияние). Между решением ФАС и данными переменными наблюдается средняя сила взаимосвязи (коэффициент корреляции находится в промежутке [0,3 - 0,6]).

Меньшее влияние на решение антимонопольных органов оказывают рыночные доли фирмы-покупателя и приобретаемой фирмы, находящиеся в пределах нижней границы доминирования (отрицательное влияние), рыночная доля покупаемой фирмы, находящаяся между нижней границей доминирования и 50% (положительное влияние), приобретение генерирующих активов (положительное влияние) и форма реорганизации (положительное влияние). Между решением ФАС и данными переменными наблюдается слабая сила взаимосвязи (коэффициент корреляции находится в промежутке [0,1 - 0,3]).

Остальные факторы оказывают, по результатам корреляционного анализа, относительно небольшое влияние на решение антимонопольных органов. Проверим эти предположения и выдвинутые ранее гипотезы, построив регрессионную модель.

При построении логит модели выбор объясняющих переменных был произведен на основе корреляционного анализа и здравого смысла.

Выбирая лучшие модели, мы ориентировались на следующие критерии:

- значимость рассчитанных коэффициентов;

- значения R² Нэйджелкерка (Nagelkerke's ), указывающего долю влияния всех предикторов модели на дисперсию зависимой переменной;

- процент корректно объясненных переменных (percentage of correct predictions).

Для интерпретации полученных результатов мы не можем давать количественную оценку, так как оценки ММП являются смещенными. Мы можем только сделать выводы с точностью до знака. Глядя на знак и на величину коэффициента, мы сможем определить какие факторы значимы при вынесении решения антимонопольными органами (Greene W.H., 2003). Регрессии были построены в программе SPSS Statistics 19.

Перейдем непосредственно к результатам построенных логистических регрессий.

В первую спецификацию модели номер 1 вошли следующие объясняющие переменные: форма реорганизации, рыночные доли (Acquid1) и горизонтальный характер слияния (табл. 9). Все включенные объясняющие переменные являются значимыми на 5% -ном уровне, значение R² Нэйджелкерка составляет 28,4%, составляет 88,9% прогнозных значений оказались верными.

Во вторую спецификацию модели номер 1 вошли такие объясняющие переменные, как форма реорганизации, рыночные доли (Acquir2) и приобретение генерирующих активов (табл. 9). Все включенные объясняющие переменные являются значимыми на 10%-ном уровне, значение R² Нэйджелкерка составляет 13,8%, 86,6% прогнозных значений оказались верными.

Таблица 9 Коэффициенты спецификации модели номер 1, 2 и 3

Зависимые переменные	Коэффициенты уравнения модели номер 1	Коэффициенты уравнения модели номер 2
Typetransaction	1,08**	1,205**
Acquid1	-1,166***	-
Acquir2	-	1,678*
SectorE	-	0,959**
Vmerger	-	-
Hmerger	1,939***	-
Константа	-3,601***	-4,644***

Далее была проведена проверка адекватности модели с помощью теста Хосмера-Лемешева (the Hosmer-Lemeshow goodness of fit test). Данный тест применяется только для бинарных моделей. Процедура теста заключается в следующем: происходит группировка наблюдений по ожидаемым вероятностям, затем тестируется гипотеза - разница между наблюдаемыми и ожидаемыми событиями равна нулю для всех групп. В нашем случае для обеих спецификаций логит моделей не отвергается гипотеза о допустимо незначительных расхождениях между фактической и модельной классификацией «разрешение» - «выдача предписания» (приложения 2 и 3) (Hosmer, D. W. and Lemeshow S., 1989).

На основе первой построенной модели, представленной в таблице 9, можно сделать следующие выводы для отрасли электроэнергетики:

- Если компания-покупатель занимает на соответствующем рынке долю меьше границы доминирования, то вероятность вынесения предписания ФАС уменьшается. Получается, что антимонопольному органу важно знать, что компания не занимает доминирующее положение на данном рынке.

- Если слияние является горизонтальным, то вероятность вынесения предписания антимонопольными органами увеличивается. Это важно для рынка электроэнергетики, так как этот рынок является олигополистическим. Горизонтальное слияние на рынке олигополии может значительно увеличить рыночную власть фирмы.

- Такая форма реорганизации, как приобретение акций или доли в уставном капитале фирмы увеличивает вероятность того, что ФАС разрешит сделку слияния с выдачей предписания.

На основе второй построенной модели, также представленной в таблице 9, можно сделать следующие выводы для отрасли электроэнергетики:

- Если приобретаемая компания занимает на соответствующем рынке долю от 20 до 50%, то вероятность вынесения предписания Федеральной Антимонопольной Службой увеличивается.