Инвестиционная активность российских компаний

Для включения в регрессионное уравнение модели в качестве объясняющих переменных были проанализированы следующие финансовые показатели: операционный денежный поток в относительном выражении (CFO), коэффициент текущей ликвидности (CR), финансовый рычаг (FL), капиталоемкость (CI), коэффициент маневренности собственных средств (CFR), коэффициент концентрации собственных средств (CCR), коэффициент покрытия процентов (ICR), рентабельность продаж (ROS), рентабельность активов (ROA), рентабельность капитала (ROE) и рентабельность инвестированного капитала (ROIC). Кроме того, модель в качестве независимой переменной содержит в себе такой показатель, как предпринимательский риск (BR). Однако не все из перечисленных показателей были включены в модель (Приложение 5).

Величина операционного денежного потока (CFO), генерируемого компанией, выступает в качестве прокси-переменной финансового благосостояния компании. Показатель операционного денежного потока нормируется на величину основных средств и вычисляется по формуле:

	(2)
	(3)

где: - величина операционного денежного потока текущего периода;

- чистая прибыль текущего периода;

- величина амортизационных отчислений текущего периода;

- займы и кредиты текущего периода;

- займы и кредиты предыдущего периода;

- основные средства текущего периода;

- основные средства предыдущего периода;

- незавершенное строительство текущего периода;

- незавершенное строительство предыдущего периода;

- суммарная величина активов текущего периода;

- кредиторская задолженность текущего периода;

- кредиторская задолженность предыдущего периода;

- дебиторская задолженность текущего периода;

- дебиторская задолженность предыдущего периода;

- показатель запасов текущего периода;

- показатель запасов предыдущего периода.

Показатель денежного потока является важным фактором, определяющим инвестиционное поведение компании, поскольку в условиях ограниченности доступа к внешним источникам финансирования высокие показатели входящих денежных потоков дают возможность компаниям использовать денежные средства для инвестирования в различные проекты. Иными словами, компании способны оценить свои потенциальные возможности инвестирования, исходя из величины поступающих денежных потоков. По этой причине в случае ожидания компанией повышения показателя генерируемого денежного потока ее инвестиционная активность может увеличиваться. Таким образом, ожидается положительная связь величины инвестирования от показателя операционного денежного потока.

Многими авторами выдвигается предпосылка о существовании немонотонной, U-образной форме кривой чувствительности инвестиционных расходов к величине операционных денежных потоков (Черкасова и Теплова, 2013). Данное исследование также намерено протестировать гипотезу о нелинейной зависимости между инвестиционными вложениями и внутренними источниками финансовых ресурсов: объем инвестиционных расходов монотонно возрастает при увеличении внутренних источников финансирования в случае, если уровень данных средств находится на высоком уровне, и сокращается в случае, если уровень средств низок.

Коэффициент текущей ликвидности (CR) рассчитывается как соотношение текущих активов к текущим обязательствам. Данный показатель указывает на способность компании погасить краткосрочные обязательства при помощи текущих активов. Следовательно, данный показатель отражает платежеспособность предприятия. Чем выше значение данного показателя, тем более высокой платежеспособностью отличается компания. При этом нормальным считается значение коэффициента текущей ликвидности в диапазоне от 1,5 до 2,5. Выдвигается предположение о том, что рост коэффициента текущей ликвидности способствует стимулированию инвестиционной активности компании.

Финансовый рычаг (FL), определяемый как соотношение заемного и собственного капитала, свидетельствует о финансовой устойчивости компании, а также степени риска, с которым сталкивается компания. Причем чем выше данный показатель, тем меньшей финансовой устойчивостью характеризуется компания. Показатель финансового рычага вычисляется по следующей формуле:

	(4)

где: - финансовый рычаг текущего периода;

- краткосрочные обязательства текущего периода;

- долгосрочные обязательства текущего периода;

- суммарная величина активов текущего периода.

Предполагается, что рост показателя финансового рычага оказывает негативное влияние на инвестиционную активность компаний. Во-первых, увеличение финансового рычага может свидетельствовать об увеличении риска банкротства компании ввиду чего поток заемного капитала, а также инвестиционные расходы, будут существенно снижены. Во-вторых, более высокий уровень обязательств компании способствует снижению доступных денежных средств, которые можно израсходовать на инвестиции. Иными словами, долг компании в данном случае осуществляет контролирующую функцию, защищающую компанию от избыточных инвестиций со стороны менеджеров.

Решения компаний относительно структуры капитала в большинстве случаев принимаются исходя из уровня их финансовой гибкости, поскольку финансовая гибкость позволяет компании наряду с использованием внутреннего финансирования, отличающегося более низкими издержками, привлекать внешние источники. Предполагается, что компании, характеризующиеся высокой финансовой гибкостью, обладают большим потенциалом для получения ресурсов внешнего рынка капитала при возникновении финансовой необходимости по причине внезапных краткосрочных колебаний доходов или появления возможности расширения или модернизации. В результате чего компанией минимизируется риск принятия инвестиционного решения, являющегося неоптимальным с точки зрения производительности, технологий, затрат и т.п.

Показатель капиталоемкости (CI) свидетельствует о потребности компании в основных средствах. Капиталоемкость рассчитывается по следующей формуле:

	(5)

где: - капиталоемкость текущего периода;

- основные средства текущего периода;

- суммарная величина активов текущего периода.

Очевидно, что когда наблюдается рост величины основного капитала в структуре активов, то компания инвестирует больше в оборудование для того, чтобы удовлетворить спрос на выпускаемую продукцию и поддерживать объем выпуска на заданном уровне. По этой причине ожидается, что между показателем капиталоемкости и инвестиционными затратами компании наблюдается положительная связь.

Как правило, размер компании измеряется путем логарифмирования величины совокупных активов, показателя выручки или количества работников компании. В данном случае принято решение об оценке размера компании, исходя из численности работников, во избежание корреляции между объясняющими переменными, поскольку показатели совокупных активов и выручки используются в расчете иных используемых в данном исследовании независимых переменных. Более того, информация относительно количества работников для каждой компании находится в открытом доступе. В результате компании были разбиты на четыре основные группы: микропредприятия, малые предприятия, средние предприятия и крупные предприятия.

Предполагается, что крупные компании отличаются большим доступом к внешним источникам финансирования, более стабильными денежными потоками, а также большей диверсифицированностью бизнеса, что способствует стимулированию инвестиционной активности. Следовательно, рост компании приводит к увеличению уровня ее финансовой гибкости и соответственно инвестиционных расходов компании как реальных, так и финансовых.

В то же время инвестиционная деятельность средних и малых предприятий, ограниченных в свободном доступе к заемным финансовым ресурсам, преимущественно сфокусирована на реальном инвестировании, поскольку для финансового инвестирования у них отсутствуют необходимые ресурсы.

Коэффициент маневренности собственных средств (CFR) свидетельствует о способности компании сохранять на заданном уровне величину собственного оборотного капитала и при необходимости пополнять оборотный капитал за счет собственных средств. Иными словами коэффициент показывает, какие доли собственных средств могут быть направлены на приобретение оборотных и внеоборотных активов. Данный коэффициент равен частному от деления величины собственных оборотных средств на суммарную величину собственных средств. В зависимости от специфики отрасли, в которой функционирует компания, а также от ее структуры капитала коэффициент маневренности собственных средств может варьироваться, но принято считать нормальным значение, равное 0,3-0,6. Отрицательное значение коэффициента говорит о низком уровне финансовой устойчивости компании, как правило, сопровождающимся вложением средств в медленно реализуемые основные средства, в то время как формирование оборотного капитала происходит за счет заемного капитала. Однако слишком высокое значение так же свидетельствует о существовании риска неплатежеспособности компании. Тем не менее, выдвигается предположение о том, что с ростом коэффициента маневренности собственных средств наблюдается увеличение инвестиционной активности компаний, поскольку обладание значительными объемами собственных оборотных средств косвенным образом указывает на слабую зависимость компании от займов, что позволяет компании инвестировать свободные средства в расширение и модернизацию производства. инвестиционный активность фондовый рынок

Коэффициент концентрации собственных средств (CCR), равный отношению величины собственного капитала к суммарному значению активов компании, характеризует значимость доли финансовых средств собственников компании в общей сумме ее активов. Иными словами, коэффициент автономии показывает, какая доля активов покрывается за счет средств собственного капитала. Высокое значение коэффициента (приблизительно 0,5-0,7) указывает на относительную финансовую устойчивость и независимость компании от внешних кредиторов, а также на ее потенциальную возможность обслуживать свои долговые обязательства при помощи собственных средств. Следовательно, делается предположение о том, что данные компании отличаются меньшей финансовой ограниченностью и более высокими индикаторами инвестиционной активности.

Коэффициент покрытия процентов (ICR) отражает способность компании выплачивать имеющиеся долги. При расчете показателя обслуживания долга становится видно, во сколько раз операционная прибыль компании превышает показатель процентов к уплате в определенном периоде:

	(6)

где: - коэффициент покрытия процентов в текущем периоде;

- прибыль до уплаты процентов и налогов в текущем периоде;

- расходы на уплату процентов в текущем периоде.

Таким образом, низкий уровень коэффициента обслуживания долга (в среднем менее 1,5) выявляет наличие высокого бремени у компании и как результат большую степень вероятности ее банкротства. Несмотря на то, что чрезмерно высокий показатель покрытия процентов характеризует компанию слишком осторожной в вопросе привлечения заемных средств, выдвигается предположение о том, что подобные компании имеют большие возможности для привлечения инвестиций.

Рентабельность продаж (ROS), представляющая собой коэффициент, вычисляемый как отношение операционной прибыли (EBIT) к полученной выручке, показывает, какую долю прибыли получает компаний с каждого рубля реализованной продукции. Следовательно, чем выше значение данного показателя, тем лучше финансовое положение компании. По этой причине предполагается, что с ростом показателя рентабельности продаж происходит увеличение инвестиционной активности компаний.

Показатель рентабельности активов (ROA), получаемый путем деления чистой прибыли на суммарную величину активов, демонстрирует степень эффективности использования активов компании в виде финансовой отдачи и служит в своем роде для компании неким стимулятором роста ее инвестиционной активности. Дело в том, что компания при принятии решения о капитальных вложениях анализирует и сравнивает, прежде всего, способность активов генерировать прибыль на сегодняшний день и в период после осуществления инвестиций.

Основное отличие рентабельности капитала (ROE) от рентабельности активов заключается в рассмотрении не всего капитала (активов) компании, а лишь части капитала, принадлежащей собственникам. Следовательно, рентабельность капитала характеризует, насколько эффективно используется капитал, вложенный собственниками компании. По этой причине более высокая рентабельность капитала способствует росту инвестиционной активности российских компаний. Также в рамках данного исследования планируется протестировать гипотезу о возможной нелинейной зависимости инвестиционной активности компаний от величины рентабельности капитала.

Рентабельность инвестированного капитала (ROIC) является одним из ключевых показателей эффективности инвестиционных вложений, выявляющих доходность или убыточность проектов. Иными словами рентабельность инвестированного капитала дает представление о том, насколько эффективно инвестируются средства в основную деятельность компании. Как правило, инвестор перед вложением средств осуществляет анализ уровней доходности альтернативных проектов, опираясь на показатель ROIC, характеризующий окупаемость инвестиций. Более того, рентабельность инвестированного капитала выступает в роли своеобразного индикатора, демонстрирующего способность компании генерировать добавленную стоимость. Таким образом, более высокие значения показателя ROIC будут оказывать положительное влияние на величину инвестиционной активности компаний.

Безусловно, инвестиционное поведение в значительной степени зависит от существующего уровня риска, который претерпевает компания. Как правило, предполагается, что увеличение показателя предпринимательского риска (BR) приводит к снижению инвестиционных затрат компании. В данном случае показатель бизнес-риска строится, исходя из колебаний показателя выручки, и вычисляется по формуле:

	(7)

где: - показатель предпринимательского риска в текущем периоде;

- выручка от реализации продукции в текущем периоде;

- выручка от реализации продукции в предыдущем периоде.

Очевидно, что в зависимости от территориального расположения компании (региона) варьируется уровень институциональной среды, представляющей собой совокупность как формальных, так и неформальных правил, а также механизмов, обеспечивающих соблюдение людьми данных правил. Благодаря высокой степени развития институциональной среды неопределенность ведения бизнеса значительно сокращается, что благоприятно влияет на инвестиционную активность компаний. Таким образом, выдвигается предположение о существовании связи между уровнем развития институциональной среды, в которой функционирует компания, и ее инвестиционной активностью. При этом в рамках данного исследования наиболее развитыми регионами с точки зрения институциональной среды являются г. Москва, Московская область, г. Санкт-Петербург и Ленинградская область.

Необходимо отметить, что описанные выше детерминанты инвестиционной активности могут быть включены в модель не только как показатели текущего периода, но и в качестве лаговых переменных. Однако на сегодняшний день не существует единого мнения среди исследователей относительно формы переменных, так как в зависимости от анализируемой выборки результаты могут видоизменяться. Тем не менее, множество авторов научных публикаций включает в модели именно факторы с временным разрывом. Наиболее часто используемой лаговой переменной является показатель операционного денежного потока предыдущего периода, поскольку предприятие, сгенерировавшее в предыдущем периоде больший денежный поток, способно направить большую сумму денежных средств на инвестиционные расходы текущего периода (Griner and Gordon, 1995). При росте выручки, как правило, наблюдается увеличение прибыли, что способствует повышению инвестиционной активности компании, не увеличивая при этом величину заемного капитала и транзакционные издержки. В то же время существуют исследования, которые доказывают значимость лаговой переменной денежного потока второго порядка только для финансовых компаний (Hobdari et al., 2009).

Таким образом, на основе изученного материала, выдвинутых выше предположений, а также имеющегося опыта можно сформулировать следующие гипотезы:

1. В условиях экономического кризиса инвестиции российских промышленных предприятий более чувствительны к изменению показателя операционного денежного потока;

2. Текущая инвестиционная активность российских промышленных предприятий положительно зависит от инвестиционных затрат компаний предыдущего периода;

3. Существует U-образная (нелинейная) связь между инвестициями российских промышленных компаний и показателем денежного потока;

4. Уровень инвестиционной активности российских промышленных компаний нелинейно зависит от рентабельности собственного капитала компании;

5. Высокий уровень институциональной среды региона положительно влияет на инвестиционную активность предприятий обрабатывающей промышленности, функционирующих в данной местности.

Методология исследования

С целью анализа инвестиционной активности были протестированы традиционно рассматриваемые детерминанты инвестиционного поведения на базе данных российского рынка. Перед построением регрессионных моделей все переменные были проверены на наличие выбросов, которые при необходимости были исключены из выборки. В ходе исследования на основе справочно-информационной системы профессионального анализа рынка и компаний (СПАРК) была сформирована база данных, включающая в себя основные финансовые показатели 2 859 российских компаний, относящихся согласно общероссийскому классификатору видов экономической деятельности (ОКВЭД) к группе «Обрабатывающие производства» (Приложение 4). Структура выборки по сферам деятельности компаний представлена на рисунке 10.

Рис. 10. Структура выборки по сферам деятельности компаний

Особенностью инвестиционной политики промышленных предприятий является то, что особое внимание уделяется инвестициям в основной капитал. По этой причине инвестиции данных компаний представляют собой затраты на приобретение, модернизацию и замену основных средств, оборудования и производственных технологий. Следовательно, компании обрабатывающей промышленности отличаются высокими показателями основных средств и активов, имеющихся на балансе (рисунок 11).



Рис. 11. Активы и основные средства компаний по сферам деятельности по итогам 2015 г.

По данным компаниям была собрана годовая отчетная финансовая информация за последние десять лет: 2006-2015 гг. Все значения показателей представлены в российских рублях. В выборке представлены компании, расположенные в различных федеральных округах Российской Федерации. Однако большинство рассматриваемых компаний сосредоточено в Центральном и Приволжском федеральных округах, в частности в г. Москва и Московской области (рисунок 12).

Рис. 12. Структура выборки по территориальному расположению компаний

Необходимо отметить, что организационно-правовая форма большинства компаний (43%), включенных в выборку, представляет собой общество с ограниченной ответственностью (рисунок 13). Порядка 30% являются непубличными акционерными обществами и лишь 25% - публичными акционерными обществами. Таким образом, лишь малая доля рассматриваемых компаний размещает собственные акции на фондовой бирже.

Рис. 13. Структура выборки по организационно-правовым формам компаний

Более того, в исследовании приняли участие компании с различной численностью работников (рисунок 14). Однако в выборке доминирующую позицию заняли малые предприятия (47%). Большую долю занимают средние (23%) и крупные (22%) предприятия.

Рис. 14. Структура выборки по размерам компаний

Возраст исследуемых компаний колеблется в пределах от 1,6 до 67,9 лет, причем средний возраст составляет 19,6 лет (рисунок 15). 47% компаний ведут свою деятельность от 20 до 25 лет, 26% компаний - от 15 до 20.



Рис. 15. Структура выборки по возрасту компаний

Что касается формы собственности, то рассматриваемые компании в основном являются частной собственностью (рисунок 16).

Рис. 16. Структура выборки по формам собственности компаний

После исключения выбросов, а также наблюдений с неизвестными, пропущенными значениями показателей выборка значительно сократилась: сформировалась выборка, состоящая из 28 590 наблюдений.

Описательные статистики для таких финансовых показателей, как активы, основные средства, амортизация, выручка, денежные средства, себестоимость, прибыль до уплаты процентов и налога на прибыль, чистая прибыль и долгосрочные займы представлены в таблице 5.

В целом можно сказать, что значение активов и основных средств компаний увеличивалось на протяжении рассматриваемого периода и в среднем оценивалось в 3 150 и 792 млн. руб. соответственно. Одновременно с этим для большинства российских компаний характерна отрицательная динамика чистой прибыли в последние годы, связанная, возможно, с введенными санкциями относительно Российской Федерации, а также резким ростом курса доллара и, как следствие, значительным увеличением себестоимости произведенной продукции. Кроме того, в выборку попали компании, испытывающие в настоящее время финансовые трудности и терпящие убытки. Это было сделано для того, чтобы проследить каким образом в данном случае компании выстраивают свою инвестиционную политику. Однако в 2015 г. наблюдается некоторая стабилизация, поскольку прослеживается рост среднего значения показателей валовой прибыли, прибыли до вычета процентов и налога на прибыль, налогооблагаемой прибыли, а также чистой прибыли.

В таблице 6 представлены описательные статистики для переменных, включенных в модель исследования. В целом можно сказать, что для сформированной выборки характерна тенденция снижения индикатора инвестиционной активности на протяжении рассматриваемого периода. Наименьшие средние значения показателя наблюдаются в период с 2013 по 2015 гг. Значения коэффициента концентрации собственных средств и показателя капиталоемкости в данный период сохранялись примерно на одном и том же уровне, в то время как для показателей рентабельности ROA и ROE наблюдается нисходящий тренд. Про показатель рентабельности инвестированного капитала, рентабельность продаж, текущую ликвидность, а также показатель, отвечающий за риск, с которым сталкивается компания в процессе своей деятельности ничего определенного сказать нельзя, так как на протяжении рассматриваемого периода прослеживаются разнонаправленные колебания. Наиболее существенные спады в данный период времени наблюдаются для показателей, характеризующих степень финансовой ограниченности компаний: денежного потока, финансового рычага и коэффициента покрытия процентов.

Для выявления значимости различий средних значений экспериментальных данных для различных подвыборок был реализован тест ANOVA (Приложение 7). В данном случае выдвигается нулевая гипотеза о равенстве средних значений показателей двух независимых подвыборок, которая принимается в случае превышения значения p-value заданного уровня значимости. В противном случае нулевая гипотеза отвергается и принимается альтернативная.

Таблица 5 Описательные статистики основных финансовых показателей (усредненные по рассматриваемому периоду)

Показатель	Финансовые показатели
	Активы, млн. руб.	Основные средства, млн. руб.	Амортизация, млн. руб.	Выручка, млн. руб.	Денежные средства млн. руб.	Себестоимость, млн. руб.	EBIT, млн. руб.	Чистая прибыль, млн. руб.	Долгосрочные займы, млн. руб.	Возраст, лет
Минимальное значение	10,585	0	0,002	5,179	0,001	0	-30 500	-39 600	0,000	1,63
Максимальное значение	483 000	156 000	6 990	314 000	112 000	218 000	52 600	40 100	241 000	67,96
Среднее значение	3 150	792	40,379	2 700	127	2 150	210	114	667	19,57
Среднеквадратичное отклонение	19 900	4 820	200	12 500	1 900	9 560	1 540	1 160	5 300	4,93
Медиана	451	114	11,087	627	3,568	519	29,812	9,753	33,600	20,67
Коэффициент асимметрии	16,85	17,06	18,41	13,69	41,39	13,29	16,69	14,16	22,94	0,31
Куртозис	338,11	391,85	486,02	240,29	2 134,21	226,43	528,88	679,42	727,90	9,47
Количество наблюдений	9 349	9 349	3 588	9 347	9 321	9 349	9 349	9 349	9 349	9 349



Таблица 6 Описательные статистики переменных модели (усредненные по рассматриваемому периоду)

Показатель	Объясняющие переменные
	I	BR	CFO	CI	CR	FL	ICR	ROE	ROS
Минимальное значение	0,000	0,000	-0,100	0,000	0,000	-3,672	-7,933	-0,500	-0,199
Максимальное значение	0,749	0,799	0,692	0,964	5,993	11,997	14,999	1,989	0,296
Среднее значение	0,057	0,140	0,078	0,290	1,591	3,018	3,534	0,157	0,028
Среднеквадратичное отклонение	0,088	0,131	0,115	0,185	0,934	2,627	3,576	0,237	0,045
Медиана	0,021	0,104	0,057	0,261	1,304	2,129	2,234	0,090	0,017
Коэффициент асимметрии	2,580	1,743	1,221	0,665	1,798	1,342	1,136	2,508	1,144
Куртозис	11,504	6,744	5,300	2,992	6,798	4,225	4,316	13,601	8,713
Количество наблюдений	9 349	9 349	9 349	9 349	9 349	9 349	9 349	9 349	9 349

Важно отметить, что коэффициент корреляции между коэффициентом маневренности собственных средств и показателем финансового рычага составил -0,799, что указывает на наличие высокой связи переменных. Также высокая степень зависимости наблюдается между показателем финансового рычага и коэффициентом концентрации собственных средств. По этой причине было принято решение об исключении коэффициента маневренности собственных средств, а также коэффициента концентрации собственных средств из дальнейшего рассмотрения. Более того, высокие значения коэффициентов корреляции наблюдаются между переменными рентабельности. В результате переменная рентабельности активов была удалена из модели. В таблице 7 представлен корреляционный анализ для независимых переменных в виде парных коэффициентов корреляции после исключения переменной маневренности собственных средств. В целом можно сказать, что между объясняющими переменными, согласно шкале Чеддока, присутствует слабая взаимосвязь, что указывает на отсутствие проблемы мультиколлинеарности.



Таблица 7 Корреляционная матрица для объясняющих переменных

	BR	CFO	CI	CR	FL	ICR	ROE	ROS
BR	1,000
CFO	0,063	1,000
CI	-0,064	-0,223	1,000
CR	-0,082	-0,032	-0,110	1,000
FL	0,127	0,124	-0,211	-0,259	1,000
ICR	0,048	0,143	-0,009	0,127	-0,251	1,000
ROE	0,171	0,192	-0,092	-0,034	0,125	0,468	1,000
ROS	0,038	0,167	-0,007	0,164	-0,193	0,591	0,594	1,000

Гистограммы нормальности распределения представлены в приложении 6.

Основываясь на информации, полученной из рассмотренных исследований, данная работа строится на следующей модели, оценивающей детерминанты инвестиционного поведения российских компаний:

	(8)

где: - объясняемая переменная, отвечающая за уровень инвестиционной активности компании i в периоде t;

- уровень инвестиционной активности компании i с лагом 1;

- уровень бизнес-риска компании i в периоде t, выраженный через колебания выручки;

- величина операционного денежного потока, генерируемого компанией i в периоде t-1;

- показатель капиталоемкости компании i в периоде t;

- коэффициент текущей ликвидности компании i в периоде t;

- коэффициент финансового рычага компании i в периоде t;

- коэффициент покрытия процентов компании i в периоде t;

- рентабельность собственных средств компании i в периоде t;

- показатель рентабельности продаж компании i в периоде t;

- возраст компании i в периоде t;

- дамми-переменная региона, в котором работает компания i в периоде t (, если г. Москва, Московская обл., г. Санкт-Петербург, Ленинградская обл.; для прочих регионов);

- параметр случайной ошибки.

Для оценки влияния экономического кризиса на инвестиционную активность компаний, а также определения чувствительности инвестиционной деятельности к изменению операционных денежных потоков представленная выше спецификация модели была видоизменена следующим образом:

	(9)

где: - дамми-переменная, отвечающая за кризисный период в экономике.

Таким образом, в данной работе оценивается динамическая панельная регрессия, среди объясняющих переменных которой имеется лаговая зависимая переменная. Поскольку лаговый показатель инвестиционных расходов выступает в роли одной из независимых переменных, то полученные в ходе исследования результаты могут быть смещены ввиду возникающей корреляции между объясняемой переменной и лаговым показателем. По этой причине для оценки коэффициентов модели был выбран обобщенный метод моментов (GMM) с использованием инструментальных переменных, включающий в себя процедуру двухшаговой оценки Ареллано-Бонда, поскольку данный метод не требует предположения о нормальности распределения остатков, учитывает гетероскедастичность неизвестного вида, а также борется с проблемой эндогенности. Суть данного метода заключается в частичной замене непригодных независимых переменных на те, которые не коррелирует со случайной ошибкой. Для устранения кросс-секционных фиксированных эффектов каждая переменная модели была трансформирована путем взятия первых разностей. Для получения состоятельных и эффективных оценок коэффициентов регрессия автоматически очищается от таких проблем, как гетероскедастичность, мультиколлинеарность и автокорреляция.

Помимо обобщенного метода моментов, модель была оценена обобщенным методом наименьших квадратов, основанным на неравенстве дисперсии остатков кросс-секций. Данный метод способствует получению не только несмещенных, но и эффективных оценок.

Описание результатов

В рамках исследования было построено несколько моделей: с учетом и без учета влияния кризиса. Результаты проведенного исследования и полученные оценки коэффициентов моделей обобщенным методом наименьших квадратов представлены в таблице 8.

Таблица 8 Оценки коэффициентов модели методом GLS

Переменная	Оценка коэффициента
	Модель без учета влияния кризиса	Модель с учетом влияния кризиса
I(-1)	0,113*** (0,004)	0,107*** (0,006)
Constanta	0,020*** (0,002)	0,020*** (0,002)
BR	0,021*** (0,002)	0,034*** (0,003)
CFO(-1)	0,044*** (0,002)	0,037*** (0,003)
CFO(-1)^2	-0,002*** (0,0002)	-0,016*** (0,002)
CI	0,081*** (0,002)	0,084*** (0,003)
CR	-0,006*** (0,0003)	-0,005*** (0,000)
FL	0,001*** (0,0001)	0,001*** (0,000)
ICR	0,001*** (0,000)	0,001*** (0,000)
ROE	-0,030*** (0,003)	-0,004 (0,004)
ROE^2	0,011*** (0,003)	-0,004 (0,004)
ROS	0,207*** (0,009)	0,146*** (0,013)
CRISIS		-0,010*** (0,001)
CFO(-1)*CRISIS		-0,017*** (0,004)
CFO(-1)^2*CRISIS		0,017*** (0,002)
AGE	-0,0003*** (0,000)	-0,001*** (0,000)
REG	-0,006*** (0,001)	-0,002** (0,001)
Скорректированный R2	0,856	0,313
Количество наблюдений	8 465	8 465

Результаты проведенного исследования и полученные оценки коэффициентов моделей обобщенным методом моментов представлены в таблице 9.

Таблица 9 Оценки коэффициентов модели методом GMM

Переменная	Оценка коэффициента
	Модель без учета влияния кризиса	Модель с учетом влияния кризиса
I(-1)	0,137*** (0,019)	0,200*** (0,030)
BR	0,005 (0,011)	-0,002 (0,016)
CFO(-1)	0,038 (0,024)	0,267** (0,120)
CFO(-1)^2	0,002 (0,001)	-0,808*** (0,259)
CI	0,140*** (0,030)	0,135*** (0,039)
CR	-0,008*** (0,002)	-0,007*** (0,002)
FL	0,00009 (0,0002)	0,001** (0,0003)
ICR	-0,000001 (0,000001)	-0,0000001 (0,000001)
ROE	0,007** (0,003)	0,008* (0,005)
ROE^2	0,00009 (0,00005)	0,00008 (0,00009)
ROS	0,029 (0,035)	0,016 (0,046)
CRISIS		-0,026* (0,015)
CFO(-1)*CRISIS		0,544*** (0,184)
CFO(-1)^2*CRISIS		0,821*** (0,262)
J-statistic	56,4	35,8
ч2	40,11	40,11
Количество наблюдений	7 262	7 262

Лаг первого порядка инвестиционных затрат является одним из ключевых детерминантов принимаемых компаниями инвестиционных решений. Из представленных выше таблиц видно, что при прочих равных условиях инвестиции предыдущего периода оказывают положительное влияние на инвестиции текущего периода, что подтвердилось во всех представленных моделях. Причем данный коэффициент являются статистически значимыми на уровне значимости 1%. Прежде всего, это объясняется тем, что инвестиционные проекты предприятий обрабатывающей промышленности, как правило, носят долгосрочный характер и растягиваются на длительный период времени. Следовательно, с большой долей вероятности можно говорить об осуществлении инвестиционной деятельности в текущем периоде при наличии инвестиционных потоков в предыдущем.

Изначально предполагалось, что наблюдаемый рост отклонения выручки предостерегает компании от высокой инвестиционной активности и соответственно сокращает их расходы на инвестиционную деятельность. Следует отметить, что в большинстве случаев выручка компании прямо пропорционально зависит от ее размера. Предполагается, что с ростом размера объемы выпуска компании увеличиваются, а клиентская база расширяется, следовательно, наблюдается рост выручки компании. Таким образом, объем выручки косвенным образом свидетельствует о размере компании. При этом показатель предпринимательского риска, как правило, выше у небольших по размерам компаний. По этой причине рост данного показателя в большей степени отражается на инвестиционной активности мелких компаний. Крупные компании, холдинги, в отличие от микропредприятий и мелких компаний не всегда имеют возможность получить доступ к внешнему финансированию. Однако про влияние показателя предпринимательского риска, учитывающего колебания выручки в отчетном периоде по сравнению с историческими данными, на текущую инвестиционную активность компании ничего определенного сказать нельзя, поскольку оценка данной переменной принимает разные знаки в разных моделях. В моделях, оцененных обобщенным методом наименьших квадратов, данная переменная является статистически значимой и оказывает положительное влияние на зависимую переменную инвестиционной активности, что противоречит не только выдвинутым гипотезам, но и здравому смыслу. В то же время в моделях, оцененных обобщенным методом моментов, переменная предпринимательского риска не является статистически значимой, а также меняет свой знак.

Как и ожидалось, зависимость инвестиционной активности к изменению операционного денежного потока предыдущего периода является немонотонной и статистически значимой, принимающей квадратичную U-образную форму. При этом в модели, оцененной обобщенным методом моментов, экономический кризис выступает в роли фактора, способствующего увеличению чувствительности инвестиционной активности к изменению величины операционного денежного потока компании, поскольку, приравнивая переменную экономического кризиса единице, кривая принимает более крутую форму. Дело в том, что укрепление финансовой устойчивости компании свидетельствует о росте ее независимости от внешних источников привлечения средств, поскольку в данном случае компания способна самостоятельно, при помощи имеющихся средств, обслуживать собственные долговые обязательства. В результате компания, отличающаяся меньшей финансовой ограниченностью, потенциально имеет больше возможностей для реализации различных инвестиционных проектов. Однако поскольку в модели, оцененной обобщенным методом наименьших квадратов, данная зависимость не проявилась, то выдвинутая гипотеза не находит подтверждения в полной мере.

Коэффициент дамми-переменной, характеризующий наличие экономического кризиса в рассматриваемый период, принимает отрицательное значение. Данный результат является вполне логичным, всецело соответствует выдвинутым предположениям и мнениям экспертов. Более того, оценка коэффициента в обеих моделях является статистически значимой.

Положительная статистически значимая связь на уровне значимости 1% была обнаружена между долей основных средств в структуре совокупных активов и инвестиционной активностью российских компаний во всех рассматриваемых моделях. Дело в том, что исследуемые компании заняты в отраслях обрабатывающей промышленности, ввиду чего инвестирование в основные средства является одним из приоритетных направлений их развития. От степени износа оборудования, а также уровня его модернизации напрямую зависит объем выпуска, качество произведенной продукции и, как следствие, операционная прибыль. При этом в моделях ОММ оценка коэффициента переменной капиталоемкости, принимаемая значения 0,135 и 0,140 в зависимости от включения в модель переменной экономического кризиса, в 1,5 раза превышает коэффициенты переменной в моделях ОМНК, равные 0,084 и 0,081 соответственно.

Показатель финансового рычага принимает положительные, близкие к нулю значения. Однако оценки коэффициентов являются статистически значимыми не во всех рассматриваемых моделях. Согласно выдвинутому предположению рост показателя финансового рычага должен способствовать снижению затрат на инвестиционную деятельность компаний. В данном случае полученные оценки коэффициентов противоречат выводам, полученным авторами релевантных исследований.

В рамках данного исследования про влияние показателя покрытия процентов, как и показателя финансового рычага, на инвестиционную активность российских промышленных компаний определенных выводов сделать нельзя, поскольку в моделях, оцененных обобщенным методом наименьших квадратов, коэффициент переменной принимает положительное статистически значимое влияние на уровне значимости 1%, в то время как в моделях, оцененных при помощи обобщенного метода моментов, оценки коэффициента отрицательные, статистически незначимые. При этом величины показателей близки к нулю. Таким образом, подтвердить предположение о том, что при увеличении заемного финансирования, приводящего к росту риска неисполнения обязательств по долгу и, как следствие, возникновению банкротства с высокой степенью вероятности, менеджеры компаний начинают инвестировать в различные проекты с большей осторожностью, на примере сформированной выборке и построенных моделей не представляется возможным.

На базе модели, оцененной обобщенным методом наименьших квадратов, можно сделать вывод о том, что увеличение значения рентабельности продаж приводит к увеличению инвестиционных расходов компании. Благодаря обобщенному методу моментов также были получены положительные, однако статистически незначимые оценки коэффициента рентабельности продаж. Таким образом, полученные результаты не позволяют сделать однозначного вывода относительно значимости оказываемого влияния рентабельности продаж на инвестиционную активность российских компаний.

Согласно построенным моделям, можно сделать вывод о том, что текущая ликвидность оказывает статистически значимое негативное влияние на уровень инвестиционной активности российских предприятий обрабатывающей промышленности. Полученные оценки коэффициента текущей ликвидности противоречат результатам рассмотренных релевантных исследований. Авторами научных публикаций предполагается, что коэффициент ликвидности выступает в роли прокси переменной финансовой ограниченности компании. Рост коэффициента ликвидности свидетельствует о снижении финансовой ограниченности компании и увеличении потенциальных возможностей для инвестирования. В данном случае отрицательный знак оценки коэффициента свидетельствует об обратном. Возможно, это связано с тем, что высоколиквидные российские компании обрабатывающей промышленности не имеют потребности в активной инвестиционной деятельности.

В ходе исследования удалось выяснить, что увеличение возраста компании способствует снижению инвестиционной активности компаний на 0,001 ед. Многие авторы считают, что молодым компаниям в отличие от растущих или зрелых сложнее привлекать финансирование для инвестиционных целей. По этой причине инвестиционная активность компаний на стадии зарождения должна быть ниже, чем на стадии развития или зрелости. Тем не менее, высокая инвестиционная активность на начальных этапах жизненного цикла, постепенно снижающаяся к стадии зрелости, полностью подчиняется здравому смыслу. Дело в том, что в начале жизни компании требуются большие объемы капитальных вложений на покупку машин и оборудования, возведение зданий и сооружений, а также отлаживание производственно-технологического процесса. В будущем, после начальных инвестиций в основные средства компании требуются инвестиционные вложения, прежде всего, на модернизацию существующих оборудования и технологий.

Отрицательное влияние дамми-переменной, отвечающей за территориальное расположение компании и уровень институциональной среды региона, на инвестиционную активность является статистически значимым на уровне значимости 1%. Полученная отрицательная оценка коэффициента не позволяет подтвердить выдвинутую гипотезу о том, что высокий уровень институциональной среды региона положительно влияет на инвестиционную активность предприятий обрабатывающей промышленности, функционирующих в данной местности.

Гипотезу о нелинейной зависимости уровня инвестиционной активности российских промышленных компаний от рентабельности собственного капитала компании подтвердить также не удалось. Поскольку квадратичная форма рентабельности собственного капитала является статистически значимой лишь в одной из рассматриваемых моделей. Кроме того оценки рентабельности собственного капитала меняются в зависимости от рассматриваемой модели. При этом проследить какую-либо тенденцию довольно трудно ввиду того, что коэффициенты принимают спорные значения, близкие к нулю, и являются статистически незначимыми.

Для тестирования гипотезы об одновременном неравенстве нулю, т.е. наличии влияния на инвестиционную активность компаний показателей денежного потока предыдущего периода, рентабельности капитала, а также их квадратичных форм был реализован тест Вальда, который тестирует соответствующее линейное ограничение. В данном случае гипотеза говорит о том, что коэффициенты, стоящие перед рассматриваемыми переменными равны нулю, следовательно, являются незначимыми. Гипотеза говорит об обратном. Сравнив показатель probability с уровнем значимости, имеем, что и линейные, и нелинейные коэффициенты переменных в модели являются значимыми. Таким образом, подтверждается альтернативная гипотеза , и делается вывод о том, что на уровень инвестиционной активности компаний влияют не только показатели операционного денежного потока и рентабельности капитала, но и их квадратичные формы.

Результаты тестирования гипотез приведены в таблице 10.

Таблица 10 Результаты тестирования гипотез

Гипотеза	H1	H2	H3	H4	H5
Подтверждение	-	+	+	-	-

О качестве моделей, оцененных обобщенным методом наименьших квадратов, свидетельствует скорректированный коэффициент детерминации (R²), равный 0,856 для модели без учета влияния кризиса и 0,313 для модели, учитывающей влияние кризиса. Иными словами включение переменной экономического кризиса способствует снижению качества построенной модели, в то же время это позволяет подтвердить или опровергнуть выдвинутую гипотезу относительно влияния кризиса на инвестиционную активность российских промышленных компаний.

Для проверки адекватности построенных моделей, оцененных обобщенным методом моментов, был осуществлен тест Саргана. При осуществлении J-теста на сверхидентифицирующие ограничения выдвигается две гипотезы. Нулевая гипотеза гласит о том, что условия на моменты действительны, то есть предположения модели не являются ошибочными. Альтернативная гипотеза говорит о том, что предположения модели являются неверными. В данном случае J-статистика равна 56,4 и 35,8 соответственно. Для построенных спецификаций табличное значение распределения хи-квадрат на 95-% уровне значимости равно 40,11. При этом степень свободы для определения табличного значения распределения хи-квадрат равна разности между инструментальным рангом и числом объясняющих переменных. Поскольку в рассматриваемых спецификациях значение J-статистики превышает установленное критическое значение, то принимается нулевая гипотеза и подтверждается тот факт, что построенная модель является адекватной и, как следствие, полученные результаты являются довольно достоверными.



Заключение

Инвестиционная активность играет немаловажную роль в будущем развитии компании. В ходе эмпирического исследования был осуществлен регрессионный анализ ключевых детерминантов инвестиционной активности российских компаний, относящихся к отраслям обрабатывающей промышленности. Исследование проводилось на основе панельных данных за десятилетний период с 2006 по 2015 гг.

В результате исследования удалось подтвердить лишь малую долю выдвинутых гипотез. Тем не менее, удалось подтвердить тот факт, что инвестиции предыдущего периода оказывают положительное статистически значимое влияние на инвестиции текущего периода, что подтвердилось во всех представленных моделях. Более того зависимость инвестиционной активности к изменению операционного денежного потока предыдущего периода является немонотонной и статистически значимой, принимающей квадратичную U-образную форму. Коэффициент дамми-переменной, характеризующий наличие экономического кризиса в рассматриваемый период, принимает отрицательное значение.

В рамках исследования был обнаружена положительная статистически значимая связь на уровне значимости 1% между долей основных средств в структуре совокупных активов и инвестиционной активностью российских компаний. Поскольку исследуемые компании заняты в отраслях обрабатывающей промышленности, инвестирование в основные средства является одним из приоритетных направлений их развития. От степени износа оборудования, а также уровня его модернизации напрямую зависят финансовые результаты деятельности компании.

Про влияние показателя покрытия процентов, как и показателя финансового рычага, на инвестиционную активность российских промышленных компаний определенных выводов сформулировать не представляется возможным. Более того, данные величины показателей близки к нулю.

На базе модели, оцененной обобщенным методом наименьших квадратов, можно сделать вывод о том, что увеличение значения рентабельности продаж приводит к увеличению инвестиционных расходов компании. Также удалось выяснить, что увеличение возраста компании способствует снижению инвестиционной активности компаний на 0,001 ед. Высокая инвестиционная активность на начальных этапах жизненного цикла, постепенно снижающаяся к стадии зрелости, полностью подчиняется здравому смыслу.

Отрицательное влияние дамми переменной, отвечающей за территориальное расположение компании и уровень институциональной среды региона, на инвестиционную активность является статистически значимым на уровне значимости 1%. Полученная отрицательная оценка коэффициента не позволяет подтвердить выдвинутую гипотезу о том, что высокий уровень институциональной среды региона положительно влияет на инвестиционную активность предприятий обрабатывающей промышленности, функционирующих в данной местности. Гипотезу о нелинейной зависимости уровня инвестиционной активности российских промышленных компаний от рентабельности собственного капитала компании подтвердить также не удалось.

В целом можно сказать, что большая доля полученных результатов совпадает с выводами изученных научных публикаций как отечественных, так и зарубежных исследователей. Однако необходимо помнить, что на сегодняшний день среди авторов научных исследований остается множество открытых вопросов и спорных моментов относительно детерминантов инвестиционной активности компаний, в особенности российских промышленных предприятий.

В работах, анализирующих инвестиционную активность компаний, в качестве объясняющей переменной исследователи часто рассматривают рыночный показатель инвестиционных возможностей (возможностей роста, Q Тобина), рассчитываемый как отношение капитализации компании к ее балансовой стоимости. Причем предполагается, что с ростом данного коэффициента увеличиваются инвестиционные расходы компании. Поскольку большинство рассматриваемых предприятий обрабатывающей промышленности не является публичными, то структурная модель Q-Тобина в данном исследовании неприемлема. Более того, на выборке, включающей в себя российские промышленные предприятия, проблемно протестировать структурные модели, в основу которых закладываются предпосылки об эффективности фондового рынка, поскольку для российского фондового рынка данные гипотезы эмпирически не подтверждены (Лимитовский и Нуреев, 2005; Наливайский и Иванченко, 2004).

Более того, факторы неопределенности не были учтены в модели, поскольку показатели рыночного и специфического риска, наиболее часто выражаемые в виде чувствительности доходности акций компании к рыночному индексу и не объясненной рынком волатильности цен акций соответственно, невозможно рассчитать для исследуемых компаний. Однако выборка включает в себя компании, которые не участвуют в биржевых торгах. Следовательно, основные рыночные показатели для данных компаний не могут быть надежно оценены. Кроме того, в исследование не были включены нефундаментальные факторы, информация по которым отсутствует в свободном доступе. В дополнение, многие детерминанты инвестиционной активности компаний являются непосредственно ненаблюдаемыми или действующими с определенными временными лагами, что не всегда возможно проследить.

Важным ограничением построенной модели служит также тот факт, что российская практика ведения финансовой отчетности базируется, прежде всего, на показателях бухгалтерского учета деятельности компании. Однако анализ инвестиционного поведения компаний требует финансового способа оценки показателей деятельности, поскольку бухгалтерский подход представляет собой контроль над текущими операциями и не осуществляет оценку не только инвестиционных, но и финансовых перспектив развития компании. Более того, большинство российских компаний не публикует данные о движении денежных средств от инвестиционной деятельности. Поскольку используемый источник базы данных не позволяет массово для отобранной совокупности компаний выгрузить информацию относительно инвестиционных денежных потоков, то в работе используется косвенный индикатор инвестиций предприятий. Используемый прокси индикатор инвестиционной активности компаний, рассматриваемый как прирост стоимости капитальных вложений и рассчитанный на основе финансовой отчетности РСБУ, не отражает выбытие основных фондов, что соответственно может искажать результаты, особенно в случае ускоренных темпов выбытия ввиду высокой степени нагрузки на основные средства.



Список использованной литературы

Специальная литература

1. Adelegan, O.J. and Ariyo, A. (2008), «Capital Market Imperfections and Corporate Investment Behavior: A Switching Regression Approach Using Panel Data for Nigerian Manufacturing firms», Journal of Money, Investment and Banking, Vol.2.

2. Akerlof, G.A. (1970), "The Market for Lemons: Quality Uncertainty and the Market Mechanism", Quarterly Journal of Economics, Vol. 84.

3. Alex, D., George, S. and Pavithran, K.B. (2012), «Factors Influencing Corporate Investments on Public Sector and Private Sector», Journal of Contemporary Research in Management, Vol. 7, No. 4.