Управление дебиторской задолженностью

По работе Tsuruta (неопубликованная монография), если поставщики выступают финансовыми посредниками (предоставляют торговый кредит), они несут аналогичные банкам потери от увеличения объемов кредитования. Более того, по исследованию Jorion и Zhang (2009), «эффект домино», проявляющийся в массовом пагубном увеличении периода инкассации дебиторской задолженности, наиболее остро проявляется в индустриальном секторе, поскольку значительную часть в активах данных предприятий занимает дебиторская задолженность, и зачастую, характеризуется высокой концентрацией (два-три ключевых клиента). Таким образом, становясь неплатежеспособным, предприятие-покупатель наносит двойной ущерб предприятию-поставщику: у поставщика увеличивается доля невозвратных долгов, и он лишается источника сбыта продукции.

В научной литературе есть работы, изучающие взаимосвязь прибыльности и дебиторской задолженности в кризисный период. И если в периоды экономической стабильности эта негативная, то в кризисный период она либо незначимая, либо даже положительная. Такой результат получен Ксенией Михайловой и Baveld M.D. и объясняется стремлением наиболее стабильных компаний финансово поддержать своих контрагентов на протяжении кризиса, предоставляя им отсрочку платежа; благодаря таким действиям компании обеспечивают свои будущие продажи.

В целом, большая часть работ посвящена влиянию дебиторской задолженности на прибыльность предприятий развитых стран в период экономической стабильности (см. Таблица 2).

Таблица 2. Некоторые исследования влияния величины дебиторской задолженности на прибыльность предприятия

Автор	Выборка / период	Влияние дебиторской задолженности на прибыльность
Deloof (2003)	1009 крупнейших бельгийских нефинансовых компаний, 1992-1996 гг.	Значительное негативное
Lazaridis и Tryfonidis (2006)	131 предприятие, зарегистрированное на Афинской фондовой бирже (ASE), 2001-2004 гг.	Значительное негативное
Gill (2010)	88 американских компаний, зарегистрированных на Нью-Йоркской фондовой бирже, 2005 - 2007 гг.	Значительное негативное
Garcia-Teruel and Martinez-Solano(2007)	8 872 малых и средний предприятий в Испании, 1996-2002 гг.	Значительное негативное
Samiloglu and Demirgunes (2008)	Промышленные предприятия Стамбульской фондовой биржи, 1998-2007 гг.	Значительное негативное
Mathuva (2010)	30 предприятий Найробской фондовой биржи, 1993 - 2008 гг.	Значительное негативное
Baveld (2012)	37 крупных предприятий Нидерландов, 2004-2006 и 2008 - 2009	Значительное негативное в 2004-2006 гг. / Отсутствие зависимости в 2008-2009 гг.

Однако в научной литературе есть и работы, изучающие взаимосвязь прибыльности и дебиторской задолженности в кризисный период. Данные исследования проводились на основе японского кризиса (Fukuda, Kasuya и Akashi, 2006), азиатского (Love, Preve и Sarria-Allende, 2007), бразильского 1999 года, турецкого 2001 года и аргентинского кризиса 2001-2002 годов (Bastos и Pindado, 2012). Стоит выделить работу Baveld M.D. «Impact of Working Capital Management on the Profitability of Public Listed Firms in The Netherlands During the Financial Crisis» (2012), в которой автор определил статистически значимую отрицательную зависимость валовой операционной прибыли от величины дебиторской задолженности в финансово - стабильные 2004 - 2006 года, и незначительную - на протяжении кризисного периода 2008 - 2009 годов. Такой результат может свидетельствовать об изменчивости отношений между дебиторской задолженностью и прибыльностью предприятия в кризисные периоды, поскольку предприятия на протяжении кризиса с целью увеличения выручки и максимизации прибыли перестают придерживаться правила сохранения дебиторской задолженности на минимальном уровне.

Ksenija Dencic-Mihajlov рассмотрела влияние кредитной политики предприятия на маржу операционной прибыли (рассчитанной как отношение операционной прибыли к величине активов) и рентабельность активов в период кризиса 2008 - 2011 годов на примере 108 самых успешных сербских компаний, зарегистрированных на Белградской фондовой бирже. При этом определяется положительная связь между долей дебиторской задолженности в выручке предприятия и его прибыльностью. Данный результат согласуется с результатом Baveld M.D. и объясняется стремлением наиболее стабильных компаний финансово поддержать своих контрагентов на протяжении кризиса, предоставляя им отсрочку платежа; благодаря таким действиям компании обеспечивают свои будущие продажи.

Работы, связанные с исследованием ДЗ в кризисной период, представляют интерес для настоящего исследования, поскольку российская экономика, не успев до конца оправиться от кризиса 2009-2010 годов, сейчас входит в новую стадию рецессии. Отметим, что еще Rafael Bastos и Julio Pindado (2012) отмечали важность определения влияния кризиса на рынок кредитных ресурсов развивающихся стран, в частности на торговую задолженность.

Что касается работ, изучающих формирование дебиторской задолженности под действием финансово-хозяйственных факторов, рассчитанных по данным финансовой отчетности, то стоит выделить работу Ayub Mehar (2005), который с целью выявления факторов, оказывающих влияние на формирование дебиторской задолженности, обследовал 225 промышленных предприятий Пакистана в период с 1980 по 1994 год. В качестве объясняющих переменных были выбраны: сумма резервного капитала и нераспределенной прибыли, текущая задолженность, ликвидные активы (наличные денежные средства и средства на расчетных счетах), сумма годовой амортизации основных средств, выручка и себестоимость производства. В результате исследования была определена сильная зависимость между величиной продаж и дебиторской задолженностью: в среднем, около 5% суммы выручки аккумулировались в дебиторской задолженности. Высокие амортизационные отчисления и себестоимость производства способствуют сокращению продаж на условиях отсрочки платежа в пользу наличных расчетов за продукцию. Соответственно, наблюдается отрицательная зависимость между ликвидными активами и дебиторской задолженностью, в этом плане они выступают субститутами. Любое увеличение в текущей задолженности предприятия способствует расширению кредитных продаж.

Стоит отметить, что работа Ayub Mehar - единственная из изученных автором научных публикаций в своем классе, отражающая формирование задолженности по факторам, доступным внешним пользователям. Исследование проводилось на промышленных предприятиях, к которым относится и отрасль машиностроения. Следовательно, результаты, полученные Ayub Mehar, можно будет сравнить с результатами работы автора (прим., Астафьева А.М.).

Помимо рассмотрения влияния дебиторской задолженности на величину денежных средств, Wenfeng Wu, Oliver M. Rui и Chongfeng Wu в своей работе «Trade credit, cash holdings, and financial deepening: Evidence from a transitional economy» построили корреляционную матрицу Пирсона, в которой показано влияние различных факторов друг на друга. Стоит выделить те, с которыми дебиторская задолженность (переменная - отношение дебиторской задолженности к сумме чистых активов предприятия) имеет самую крепкую связь (на 1%-ном уровне значимости).

А) Положительную: с уровнем финансового левериджа (рассчитанного как доля заемного капитала в активах предприятия), ликвидными активами (представленными отношением чистого оборотного капитала, т.е. оборотного капитала за вычетом денежных средств и их эквивалентов, к чистым активам предприятия), перспективами роста компании (отношение рыночной стоимости предприятия к бухгалтерской).

Б) Отрицательную:

- с ликвидными активами, из состава которых исключен торговый кредит (отношение разницы чистого оборотного капитала и чистого торгового кредита к чистым активам предприятия),

- размером компании (натуральный логарифм величины активов),

- долей долгосрочных обязательств в общей величине задолженности,

- уровнем капитальных расходов (отношение капитальных расходов к чистым активам),

- чистым операционным денежным потоком (отношение к чистым активам),

- выплатой дивидендов (качественная переменная, равная 1 в тот год, в который выплачивались дивиденды, и 0 - в обратном случае),

- государственной формой собственности (качественная переменная, равная 1 в случае принадлежности контрольного пакета акций государству).

Влияние некоторых из данных показателей на дебиторскую задолженность далее тестируется на предприятиях машиностроения автором настоящей работы.

Есть в научной литературе работы, определяющие выбор метода управления ДЗ в зависимости от размера компании, концентрации производства и кредитоспособности.

Shehzad L. Mian и Clifford W. Smith, Jr. в работе «Accounts Receivable Management Policy: Theory and Evidence» (1992) выделяют пять основных функций управления дебиторской задолженностью: оценка кредитного риска, предоставление кредита, финансирование дебиторской задолженности, взыскание задолженности и покрытие кредитных рисков. Авторы исследовали факторы, определяющие выбор метода управления дебиторской задолженностью: факторинг, обеспечение дебиторской задолженностью собственных кредитов, создание зависимых финансовых дочерних компаний, внутреннее управление. С помощью cross-sectional тестируют как выбор одной из политик, так и намерение создать зависимую финансовую компанию. Наиболее значимыми детерминантами в выборе метода управления являются размер компании, концентрация, кредитоспособность фирмы и коммерческих бумаг. Крупные, финансово устойчивые предприятия предпочитают создавать финансовые дочерние компании, в то время как малые, более рисковые - использовать дебиторскую задолженность в качестве залога по кредитам. При этом зависимые финансовые компании предоставляют более гибкие условия торгового кредита. Внутреннее управление дебиторской задолженностью осуществляется в отраслях с высокой концентрацией производителей.

Azam Jari на примере 77 иранских компаний, зарегистрированных на Тегеранской фондовой бирже (изучаемый период 2007 - 2011 года) установил, что компании прибегают к помощи коллекторов в случае, если дебиторская задолженность составляет четверть и больше от всех активов предприятия.

Величина торгового кредита варьируется в зависимости от рассматриваемой отрасли. В ходе исследования Daniel Seifert, Ralf W. Seifert и Margarita Protopappa-Sieke выявили положительную взаимосвязь между уровнем дебиторской задолженности и отдаленностью конечного потребителя. Ng C.K., Smith J.K., Smith R.L. (1999) определили высокую вариацию кредитных условий среди отраслей, но слабую - внутри них. По мнению Seifert D., одной из причин межотраслевой вариации является, как минимум, различие в фактической отсрочке платежа.

Работы отечественных исследователей в разрезе отраслей:

· промышленные предприятия (Валиев Ш.Н., Глебов В.Ю.),

· химическая отрасль (Безверхова Е.А., Евдокимов П.О.),

· энергетический комплекс (Войко А.В.),

· агропромышленный комплекс (Овсийчук В.В.),

· строительные организации (Каманкина И.С.) и пр.

При этом Евдокимов П.О. писал о недостаточном внимании специфике отрасли в работах по дебиторской задолженности.

Итак, проведя обзор научных исследований, посвященных теме дебиторской задолженности, хочется отметить наиболее проработанные проблемы: влияние макроэкономических факторов, в частности, денежно-кредитной политики, на дебиторскую задолженность; отбор наиболее надежных пользователей торгового кредита; построение оптимизационных моделей, способствующих увеличению прибыльности предприятия; взаимоотношение между торговым и банковским кредитами; изменение кредитной политики предприятий на протяжении кризиса. Помимо этого, в научной литературе рассматривается влияние дебиторской задолженности на ключевые показатели деятельности фирмы. Объекты исследований подбираются по-разному: в одних работах - это размер предприятия, в других - отраслевая принадлежность, а в третьих - какой-либо другой признак. При этом не все работы учитывают отраслевую специфику, хотя многими авторами доказано влияние отрасли на формирование дебиторской задолженности, и опускать этот фактор никак нельзя. Зачастую авторы рассматривают дебиторскую задолженность не обособленно, а в составе торгово-кредитного канала (либо как сумму дебиторской и кредиторской задолженностей, либо как их разницу).

Большинство исследований опирается на экономику развитых стран, при этом в научной литературе подчеркиваются особые условия формирования торгового кредита и его роль в экономике развивающихся странах.

Достаточно малое количество работ посвящены исследованию зависимости дебиторской задолженности от показателей деятельности фирмы, рассчитанных по финансовой отчетности, или по другим данным, находящихся в открытом доступе. Конечно, использование в моделях внутренних факторов организации контроля над дебиторской задолженностью и пр. делают их более точными и значимыми. Однако данные финансовой отчетности, в сравнении с другими данными, являются наиболее открытыми, что позволяет обследовать большее число фирм для выявления различных закономерностей в экономической деятельности предприятия, и позволяет сравнить их.

Проблематика отечественной научной литературы в области дебиторской задолженности является более суженной по сравнению с зарубежной. Основные темы исследований - это отбор платежеспособных покупателей и прогнозирование размера прибыли в зависимости от величины дебиторской задолженности. Все это дает повод для развития новых исследований, пусть даже на примере уже существующих зарубежных работ. Хотелось бы отметить крайне малое количество эмпирических исследований и популярность построения моделей управления дебиторской задолженности на основе алгоритмов и расчетов контрольных показателей (однако чаще, все же, на примере отдельных предприятий).

Делая вывод по обзору научной литературы, хочется отметить, что исследование факторов, определяющих размер дебиторской задолженности, рассчитанных на основе финансовой отчетности, для предприятий машиностроительной отрасли займет свое нишу в теории дебиторской задолженности. Во-первых, исследование учтет специфику отрасли, и более того, станет едва не первым исследованием дебиторской задолженности для предприятий машиностроения; во-вторых, будут рассмотрены три группы предприятий в зависимости от величины выручки от продаж (крупнейшие, крупные, средние), что позволит сравнить влияние различных факторов на дебиторскую задолженность на предприятиях, различных по масштабам деятельности; в-третьих, в работе будут использованы факторы, рассчитанные по финансовой отчетности, что позволит сравнить полученные результатами с работами Wenfeng Wu, Oliver M. Rui и Chongfeng Wu и Ayub Mehar (в первом случае, с Китаем - развитой страной, и во втором - с Пакистаном - развивающейся страной второго эшелона), и далее результаты исследования могут быть использованы для сравнения другими авторами, проводящими аналогичные исследования в других отраслях/странах; в-четвертых, период исследования охватывает посткризисные 2011 - 2013 года, даже 2009-2010 кризисные годы (поскольку глобальный финансовый кризис в России проявился наиболее остро именно в этот период), что дает возможность сравнения эффекта кризиса в России с результатами, полученными для других развивающихся стран (Аргентина, Бразилия, Турция и др.).



ГЛАВА 2. ПОСТРОЕНИЕ ЭКОНОМЕТРИЧЕСКОЙ МОДЕЛИ

2.1 Характеристика машиностроительной отрасли

Машиностроение является базовой отраслью народного хозяйства, поскольку служит основой устойчивого развития и функционирования ведущих отраслей экономики, обеспечивая их средствами производства. Продукция машиностроения используется в промышленности, сельском хозяйстве, нематериальной сфере, быту, - повсеместно. Количественные и качественные характеристики энергопотребления, определяющие эффективность и конкурентоспособность экономики, например, во многом зависят от качества энергетического оборудования. Функционирование сырьевых отраслей в значительной мере зависит от тяжелого оборудования, а затраты на приобретение, обслуживание и эксплуатацию тяжелого оборудования занимают около трети всех затрат сырьевых отраслей. И, несмотря на небольшой вклад предприятий машиностроения в ВВП России (порядка 2-3% номинальной добавленной стоимости), основные потребители их продукции (нефтегазовый комплекс, металлургия, горнодобывающая отрасль) обеспечивают внушительные поступления в бюджет. Таким образом, тяжелое машиностроение в значительной мере определяет эффективность базовых отраслей народного хозяйства. В целом, степень технологического развития предприятий машиностроительного комплекса определяет индустриальное развитие всей страны и качество жизни людей (например, оборудование для высокотехнологичной медицинской помощи).

В настоящее время в России функционирует более 34 тысяч машиностроительных предприятий, каждое из которых производит технику для определенной сферы экономики. Удельный вес этих организаций в суммарном обороте предприятий обрабатывающей промышленности уменьшился с 20% в 2002 году до 15,6% в 2013 году, однако стоит отметить, что с 2005 года все же наблюдается волнообразный рост данного показателя.

Соответственно, доля машиностроения в экономике уменьшилась в указанный период с 5,3% до 4%. Темп увеличения объема отгруженной продукции и числа предприятий по отношению к 2005 году представлен на рисунке 1.

Рисунок 1. Темп роста показателей машиностроительной отрасли по отношению к 2005 году

Как видно по графику, темп увеличения объема отгруженной продукции опережает рост численности предприятий, что может свидетельствовать о положительной тенденции - увеличении средней производительности предприятий. Также на представленном рисунке очевидно влияние экономического кризиса на машиностроительную отрасль падение производства в 2009 году. Однако уже в 2010 году промышленность восстанавливается, демонстрируя докризисный уровень производства.

Посмотрим теперь динамику роста объема отгруженной продукции и числа предприятий, используя цепной метод (рисунок 2).



Рисунок 2. Темп увеличения объема отгруженной продукции (цепной метод)

На графике динамика темпов роста отражена посредством использования цепного метода для всех годов, за исключением 2008, показатели которого сравнивались с 2005 годом. На данном рисунке ситуация с машиностроением не является столь оптимистичной, как на предыдущем. Стоит отметить, что в последние годы наметилась тенденция снижения темпов прироста объема отгруженной продукции, и за 2013 год прирост составил всего 7%, в отличие от 33% в 2011 году и 40% в 2010.

В целом, в последние годы ситуация в российском машиностроении характеризуется как кризисная. И причин этому множество. Основная из них заключается в сырьевой структуре российской экономики, курс на которую был заложен в советское время. Мы не будем углубляться в эту проблему, и обратим внимание на современные преграды, стоящие перед предприятиями машиностроительной отрасли, которые не дают им стать привлекательными для инвестиций и демонстрировать высокую эффективность.

Одной из главных проблем машиностроения является физический и моральный износ основных фондов. В экономической теории значится, что для нормального функционирования предприятия коэффициент физического износа должен быть на уровне не выше 50%; на предприятиях машиностроения реально этот показатель превышает критическое значение. Кроме того, по словам специалистов, спустя 5 лет с момента начала использования оборудования наступает его моральный износ. В прошлом эти сроки были длиннее, однако в современное время принципиально новые технологические решения появляются с периодичностью 5 лет. В России большая часть предприятий использует оборудование по 30-50 лет, работая по устаревшим технологиям. Таким образом, для повышения производительности и эффективности своей деятельности, предприятиям машиностроения требуется обновление основных фондов.

В «Стратегии развития тяжелого машиностроения на период до 2020 года» отмечено опасение по поводу возможной деградации отрасли. В документе указано, что в случае негативного исхода возрастет степень монополизма, и это отразится на стоимости приобретения и обслуживания основных фондов сырьевых отраслей (подорожание на десятки процентов), от добавленной стоимости которых очень сильно зависим бюджет. В этом случае будет нанесен серьезный удар по эффективности работы сырьевых отраслей, по внешнеторговому балансу, по бюджетным поступлениям, фактически - по российской экономике в целом.

Для предотвращения упадка машиностроительной отрасли в «Стратегии развития тяжелого машиностроения на период до 2020 года» предлагается ряд мер:

· «реализация временных антикризисных мер поддержки;

· временная таможенная защита внутреннего рынка на период технического перевооружения, направленная на восстановление ценовой конкурентоспособности российских предприятий тяжелого машиностроения;

· стимулирование процессов глубокого технического перевооружения и модернизации производства, направленных на снижение производственных издержек, сокращение сроков изготовления продукции и повышение ее качества;

· стимулирование отраслевых НИОКР и/или приобретение ключевых «ноу-хау» для разработки и освоения производства новых современных образов продукции, что позволит не только укрепить позиции российских предприятий на внутреннем рынке, но и значительно расширить присутствие на внешних рынках».

Обратим внимание, что меры, обозначенные Правительством Российской Федерации для восстановления и подъема машиностроения, не приведут к положительным результатам, если высший менеджмент компаний будет работать неэффективно. Для успешной реализации Стратегии необходимо, чтобы предприятия научились использовать уже имеющиеся у них ресурсы, в том числе денежные, продуктивно, чтобы на предприятиях была выстроена комплексная система управления и внутреннего контроля. И, к сожалению, многие исследователи, в их числе Рыжакина Т.Г., Сайфиева С.Н., Ермилина Д.А., среди основных проблем машиностроения видят именно несовершенство системы управления предприятием, ее устаревание, и неэффективный финансовый менеджмент. Кроме того, на предприятиях отсутствует стратегическое планирование (маркетинговое управление, прогнозирование рынка в долгосрочной перспективе, а также, прежде всего, отсутствие ориентации на повышение стоимости предприятия). Менеджментом ставятся отдельные задачи поддержания ликвидности, платежеспособности, сбалансированности денежных потоков, учета рыночной конъюнктуры, но при этом не разрабатываются методы и механизмы их реализации, отсутствует сбалансированная система показателей и комплексный план развития и функционирования, в частности. Рассмотрим некоторые финансовые показатели отрасли поподробнее.

В таблице 2 приведена динамика доли убыточных предприятий по экономике в целом, в обрабатывающей промышленности и в машиностроительном комплексе, а также рассчитан удельный вес убыточных предприятий машиностроения в общей сумме убыточных предприятий обрабатывающей промышленности; указана доля убытка обрабатывающей отрасли, приходящаяся на машиностроение.

Таблица 3. Удельный вес убыточных предприятий, %

	2003	2005	2008	2009	2010	2011	2012	2013
Всего в экономике	43	36,4	28,3	32	29,9	30	25,9	26,8
Обрабатывающие производства	43,4	36,6	29,2	34,7	29,5	28,9	23,4	25
Машиностроение	44,7	33,2	25,5	36,8	29,9	28,1	23,8	27,5
Вес убыточных предприятий машиностроения среди прочих убыточных организаций обрабатывающей промышленности	15,8	13,4	- (нет данных)	- (нет данных)	- (нет данных)	16,4	16,3	18
Доля убытка предприятий машиностроения в суммарном убытке обрабатывающей промышленности	26,5	24,3	- (нет данных)	- (нет данных)	- (нет данных)	24,1	31,9	23,5

По данным таблицы, в период с 2003 по 2013 год вес убыточных предприятий, как в обрабатывающей промышленности, так и по экономике в целом снижался. Машиностроение в этом плане характеризуется скачкообразной динамикой, имеющей тенденцию к снижению. Примечательно, что до экономического кризиса 2008 - 2009 годов значение удельного веса убыточных предприятий машиностроения находилось ниже уровня среднеотраслевого (по обрабатывающей промышленности) показателя и среднего по экономике, после 2008 года это значение либо выше среднеотраслевого, либо почти равно ему. Данный факт характеризует высокую степень влияния общеэкономического кризиса на прибыльность отрасли, относительное ухудшение эффективности работы предприятий машиностроительного комплекса в посткризисный период; получается, в среднем по обрабатывающей промышленности предприятия работают результативнее, чем в машиностроении. И такой вывод подтверждается пятой строкой таблицы, в которой видно, что четверть убытков обрабатывающей промышленности приходится как раз на предприятия машиностроительного комплекса. При этом, доля самих убыточных предприятий составляет в среднем 16% (но и этот показатель растет), а доля машиностроения в общем объеме отгруженной продукции обрабатывающей промышленности составляет порядка 6%. Таким образом, неэффективность и убыточность предприятий становится еще более очевидной.

Рассмотрим теперь динамику финансового результата предприятий (рисунок 3).

Рисунок 3. Динамика прибыли предприятий машиностроения за период 2005-2013 годов, млн. рублей

В целом, в 2009 году отрасль терпела убытки. Прежде всего, кризис отразился на транспортном машиностроении, которое понесло значительные потери в период с 2008 по 2010 год включительно. Рост прибыльности, начавшийся с кризисного 2009 года, продолжался до 2012 года включительно. В 2013 году прибыль предприятий оказалась ниже уровня 2012 года. Однако само по себе изменение абсолютной величины прибыли не позволяет сделать выводов о результативности работы предприятий, для этого необходимо рассмотреть относительные показатели. Посмотрим, как изменение прибыли отразилось на рентабельности проданных товаров (рисунок 4) и рентабельности активов (рисунок 5).



Рисунок 4. Рентабельность проданных товаров, %

Рисунок 5. Рентабельность активов в 2005-2013 годах, %

Итак, рентабельность продаж и рентабельность активов имеют очень сходную динамику. По обоим показателям наблюдается снижение значений, причем рентабельность активов более волатильна. Уровень рентабельности в машиностроении ниже среднего значения по обрабатывающей промышленности и по экономике в целом, и этот разрыв является существенным. Однако на фоне общего снижения показателей рентабельности по обрабатывающей промышленности, в машиностроении в 2012 году был отмечен рост этого показателя, который, однако, в 2013 году все-таки снизился (так как снизилась и прибыль), но в гораздо меньшей степени, чем по всей обрабатывающей промышленности.

В целом, можно сделать вывод, что, несмотря на некоторые улучшения показателей, характеризующих эффективность работы предприятий машиностроения, в 2012 году, результаты деятельности машиностроительных предприятий имеют тенденцию к ухудшению.

Посмотрим теперь на состояние расчетов на предприятиях, а именно - с покупателями и заказчиками; имеют ли предприятия просроченную дебиторскую задолженность; поскольку грамотное управление дебиторской задолженностью позволяет не только истребовать денежные средства своевременно, но и увеличить объемы продаж, сформировать маркетинговую и кредитную политику. В отношении машиностроительной отрасли данный вопрос является особо актуальным, поскольку предприятиям достаточно сложно привлечь дополнительные инвестиции и/или заемные средства для финансирования своей деятельности. Поэтому остается надеяться на собственные силы, то есть на уже имеющиеся в распоряжении ресурсы и на разумное управление расчетами с покупателями как часть этих ресурсов.

Таблица 4. Характеристика дебиторской задолженности

	2010	2011	2012	2013
Удельный вес предприятий машиностроения, имеющих просроченную торговую задолженность	0,35	0,32	0,31	0,29
Удельный вес предприятий в экономике, имеющих просроченную торговую задолженность	0,27	0,25	0,24	0,23
Вес торговой задолженности в общей величине просроченной дебиторской задолженности	0,58	0,57	0,58	0,66
Доля просроченной торговой дебиторской задолженности от общей величины задолженности	0,12	0,10	0,08	0,06

На долю машиностроения, по состоянию на конец 2013 года, приходится 5% суммарной дебиторской задолженности в экономике и 4% просроченной дебиторской задолженности (в 2012 году 5% и 6,3% соответственно). При этом сократилась и доля просроченной дебиторской задолженности в общей величине дебиторской задолженности машиностроения: с 6,76% до 5,22%. Как видно из таблицы 3, удельный вес предприятий, имеющих просроченную дебиторскую задолженность, снижается, однако, по-прежнему, остается на довольно высоком уровне (почти 30%), превышая средний уровень по экономике на 26%.

Растет вес торговой задолженности в общей сумме просроченной дебиторской задолженности: в период с 2010 года по 2013 ее доля увеличилась с 58% до 66%. Если рассматривать отдельно торговую дебиторскую задолженность, то вес просроченной задолженности в ее объеме за указанный период уменьшился с 12% до 6%.

Таким образом, на предприятиях машиностроительной отрасли снижается общий вес просроченной дебиторской задолженности, доля предприятий, имеющих просроченную задолженность. Однако число предприятий, имеющих безнадежные долги, остается высоким, а просроченная торговая дебиторская задолженность занимает все большую и большую долю в общем объеме просроченной дебиторской задолженности. Отметим также, что темп прироста дебиторской задолженности в 2013 году составил 11,7%, в то время как выручки всего 7% и прибыли -9,4%. По данным Федеральной службы государственной статистики, в 2010 и 2011 годах, в целом, на предприятиях машиностроения не имелось собственных оборотных средств, что свидетельствует о невозможности самостоятельного финансирования своей текущей деятельности. Отрицательное значение собственных оборотных средств грозит предприятию неплатежеспособностью, поскольку краткосрочные обязательства превышают сумму оборотных активов, а значит, компания не сможет вовремя рассчитаться по своим обязательствам.

Итак, можно сделать вывод о возможном наличии контроля над величиной дебиторской задолженности на предприятиях, но при этом не особо эффективного в отношении своих покупателей и заказчиков (поскольку на фоне снижения абсолютной величины просроченной задолженности, доля торговой задолженности в ее объеме растет). Более того, темп роста дебиторской задолженности опережает темп роста выручки, а в отношении прибыли и вовсе наблюдается сокращение почти на 10%. Так, предприятия машиностроительной отрасли в условиях отсутствия собственных оборотных средств нуждаются в построении комплексной системы управления дебиторской задолженностью с целью эффективного использования собственных ресурсов и своевременной инкассации долга, предотвращении образования просроченной задолженности, особенно, безнадежной, и таким образом, убытков.

2.2 Оценка влияния некоторых факторов на формирование дебиторской задолженности

Сущность анализа дебиторской задолженности на предприятии и стадии его проведения подробно охарактеризованы в пункте 1.2 главы 1 настоящей работы. Некоторая характеристика общего состояния дебиторской задолженности в машиностроительной отрасли дана в пункте 2.1 главы 2. Далее в работе построим эконометрическую модель дебиторской задолженности, позволяющую определить те показатели финансово-хозяйственной деятельности машиностроительного предприятия, которые оказывают свое влияние на размер дебиторской задолженности. На основе полученных уравнений, посредством варьирования факторов, предприятия смогут не только прогнозировать величину дебиторской задолженности, но и управлять ею.

Предполагается, что роль дебиторской задолженности и отношение к ней с позиции управления на предприятии различаются в зависимости от его величины. В крупных предприятиях проводятся мероприятия по оптимизации дебиторской задолженности, являющиеся частью общей политики управления оборотными активами. В более малых предприятиях практика управления задолженностью менее развита, но при этом она может иметь стратегическое значение для сохранения финансовой устойчивости, тем более, в условиях ограниченности финансовых ресурсов. Разделение предприятий на крупные и малые в исследовании позволит изучить различия во взаимосвязях дебиторской задолженности с другими показателями деятельности фирмы и, таким образом, разработать рекомендации по управлению.

В связи с этим для целей исследования производится выборка 21 крупнейших, 21 крупных и 21 средних машиностроительных предприятий, определяемых случайным образом. Критерием отнесения к разряду крупнейших, крупных и средних предприятий служит суммарный объем полученных за год доходов, или валовая выручка. Для средних предприятий величина выручки за последние 2 года наблюдений находится в диапазоне от 400 миллионов до 1 миллиарда рублей; для крупных предприятий - от 1 миллиарда до 20 миллиардов рублей, для крупнейших - свыше 20 миллиардов рублей. Беря во внимание специфику отрасли и высокую стоимость производимой продукции, автор не включает в исследование малые предприятия.

Источником данных служит консолидированная финансовая отчетность предприятий за последние пять лет (2009 - 2013 года), составленная в соответствии с Российскими стандартами бухгалтерского учета (РСБУ) и опубликованная в Системе профессионального анализа предприятий и рынков «СПАРК». Таким образом, определяются основные критерии отбора: предприятие функционирует более пяти лет, его финансовая отчетность представлена в системе «СПАРК», данные отчетности доступны за 5 лет. Исследуемая модель - линейная многофакторная регрессия. Количество наблюдений - 315.

Данные - панельные (данные отчетности 60 предприятий за пять лет), анализируются с помощью программного обеспечения Gretl. Коэффициенты при переменных будут рассчитаны методом наименьших квадратов (МНК).

Соответственно количеству рассматриваемых групп предприятий выводятся три уравнения по 105 наблюдений в каждом (данные 21 предприятия за пять лет). Полученные уравнения будут проверены на значимость, в том числе на значимость отдельных коэффициентов, протестированы на наличие мультиколлинеарности и гетероскедастичности. В целом, в зависимости от трудностей, с которыми столкнется автор в процессе исследования, для расчета коэффициентов регрессии могут быть использованы обобщенный МНК (ОМНК), взвешенный МНК или двухшаговый МНК.

В качестве объясняемой переменной используется величина дебиторской задолженности. Независимыми переменными являются величина выручки от реализации, чистая прибыль, размер кредиторской задолженности, величина денежных средств, объем долгосрочного заимствования, доля чистого оборотного капитала в активах компании, коэффициент покрытия процентов прибылью до выплаты процентов и налогов и вычета амортизации (EBITDA - Earnings before interest, taxes, depreciation and amortization), доля чистого оборотного капитала в активах предприятия, коэффициент покрытия внеоборотных активов собственным капиталом и рентабельность продаж. Также в модель вводится качественная бинарная переменная, принимающая значение, равное 0 или 1, в зависимости от периода инкассации дебиторской задолженности и периода погашения кредиторской задолженности. Кроме того в модель вводятся показатель уровня инфляции и темп роста денежной массы (агрегат М0) как индикаторы денежно-кредитной политики государства.

В общем виде уравнение модели представлено так:

AcR = ?0 + ?1*S + ?2*NP + ?3*AP + ?4*cash + ?5*LrCr + ?6*dNWC + ?7*TIE + ?8*FA_Е + ?9*ROS + ?10* AR_AP + ?11*inf + ?12*Ms

Расшифровка обозначений и методика расчета показателей представлена в таблице 5.

Таблица 5. Расшифровка показателей модели

Обозначение	Название переменной	Методика расчета
AcR	Дебиторская задолженность	В тыс. рублях
S	Выручка от реализации	В тыс. рублях
NP	Чистая прибыль	В тыс. рублях
AP	Кредиторская задолженность	В тыс. рублях
cash	Денежные средства	В тыс. рублях
LR_credit	Долгосрочное заемное финансирование	В тыс. рублях
dNWC	Доля чистого оборотного капитала в общей сумме активов	(Оборотные активы - Кредиторская задолженность) / Активы
TIE	Коэффициент покрытия процентов	EBITDA/проценты к уплате
FA_E	Коэффицент покрытия внеоборотных активов собственным капиталом	Собственный капитал/Внеоборотные активы
ROS	Рентабельность продаж	(Чистая прибыль/Продажи)*100%
AR_AP	Соотношение сроков погашения дебиторской и кредиторской задолженности	Бинарная переменная: 1 - срок инкассации дебиторской задолженности > срока погашения кредиторской, 0 - наоборот
inf	Уровень инфляции	Данные Росстата, %
Ms	Величина денежной массы (агрегат М0)	Среднегодовой объем денежной массы в млрд.рублей, данные Банка России

В качестве независимой переменой AcR используется величина дебиторской задолженности. Автором также будет протестирована логарифмическая модель, поскольку посредством логарифмирования уменьшается разброс данных, распределение становится более симметричным, а оценка менее смещенной. Предполагается, что логарифмическая модель окажется лучшей.

Переменная S отвечает за валовую выручку предприятия. Значение коэффициента при переменной должно быть положительным, поскольку зачастую рост выручки является следствием проведения предприятием агрессивной политики управления оборотными средствами, проявляющейся, в том числе, в виде предоставления отсрочки платежа своим контрагентам, что сказывается на увеличении дебиторской задолженности. Поскольку данные о кредитных политиках на исследуемых предприятиях у нас отсутствуют, то зависимость между выручкой и дебиторской задолженностью будет служить некоторым индикатором лояльности к контрагентам. Отметим, что значимое положительное влияние выручки от реализации на дебиторскую задолженность отмечали в своих работах Ayub Mehar, Woon Gyu Choi, Yungsan KimSource, Wenfeng Wu, Oliver M. Rui, Chongfeng Wu.

В модели анализируется влияние чистой прибыли (NP) на дебиторскую задолженность. Велика вероятность, что оценка этого влияния будет смещена и несостоятельна, поскольку, как уже было доказано ранее многими учеными, дебиторская задолженность сама оказывает сильное влияние на значение чистой прибыли, значит, является эндогенной переменной. Однако автор данной работы хочет проверить собственную гипотезу о том, что размер дебиторской задолженности предприятия увеличивается с падением чистой прибыли в кризисный период. С одной стороны, падение чистой прибыли в кризисный период может быть вызвано ростом безнадежных долгов, но с другой стороны, падение чистой прибыли, вызванной снижением спроса на производимую продукцию и ростом операционных издержек, может подтолкнуть компанию к расширению кредитных продаж и проведению более гибкой политики во взаимоотношениях с контрагентами. Определение значимости и состоятельности коэффициента при данной переменной будет иметь большое значение для понимания поведения предприятий в периоды нестабильной экономической ситуации. Такое видение согласуется с результатами исследования сербский компаний в кризисные 2008-2011 годы, когда между дебиторской задолженностью и операционной прибылью Ksenija Dencic-Mihajlov установила крепкую положительную связь.

Переменная AP характеризует величину кредиторской задолженности. Предполагается, что данная зависимость окажется положительной, что согласуется с работами Long, Malitz, Ravid, Ayub Mehar, Woon Gyu Choi, Yungsan KimSource, Delannay, Weill, Marotta и др. По мнению автора, увеличение размера кредиторской задолженности, то есть приток на предприятие дополнительных средств, подталкивает предприятия к предоставлению коммерческого кредита ради расширения объема продаж и, таким образом, отвлечению собственных средств из оборота, посредством использования заемных. Но возможна и другая ситуация, когда увеличение кредиторской задолженности является следствием нехватки собственных средств на предприятии; кредиторская задолженность уменьшает ликвидность предприятия, делая его менее устойчивым, и это влияет на взаимоотношения с покупателями, что находит выражение в предоставлении менее гибких условий оплаты и сокращении доли реализации в кредит. В таком случае зависимость дебиторской и кредиторской задолженностей окажется обратной.

Переменная cash характеризует денежные средства предприятия и, по сути, является субститутом дебиторской задолженности (Wenfeng Wu, Oliver M. Rui, Chongfeng Wu и др.). Коэффициент при переменной может принять отрицательное значение, поскольку увеличение денежных средств может свидетельствовать об оплате счетов к получению дебиторами, оплате за продукцию «на месте», что приводит к уменьшению дебиторской задолженности. Хотя, с другой стороны, если предприятие обладает денежными средствами, достаточными для нормального функционирования бизнеса, и в текущий момент времени не испытывает недостатка в денежных средствах, то менеджмент компании охотнее пойдет на предоставление отсрочки платежа своему контрагенту. Однако здесь уже встанет вопрос об эффективности управления денежными средствами (и оборотными активами, в целом).

Показателем объема долгосрочного заемного финансирования в модели выступает переменная LR_credit. Эффект этого показателя на дебиторскую задолженность аналогичен влиянию кредиторской задолженности, однако проявляется в меньшей степени. Стоит отметить, что Wenfeng Wu, Oliver M. Rui, Chongfeng Wu, напротив, отмечали негативное влияние долгосрочного заемного финансирования на величину дебиторской задолженности.

Переменная dNWC определяет долю чистого оборотного капитала в общей сумме активов предприятия. Данный показатель является комплексным (связывает несколько статей бухгалтерского баланса), и поэтому его изменения могут быть вызваны как вариацией в текущих активах, так и в текущих обязательствах. В состав показателей, на основе которого рассчитывается чистый оборотный капитал (ЧОК), входит и объясняемая переменная, дебиторская задолженность, однако наличие воздействия на ЧОК со стороны других факторов позволяет включить этот показатель в модель. И поскольку в расчет входят оборотные статьи, значения которых не являются постоянными, формирование доли ЧОК в активах предприятия происходит под воздействием нескольких факторов в комплексе, то автор предполагает, что проблем с мультиколлинеарностью получится избежать. Ожидается, что взаимосвязь дебиторской задолженности с долей ЧОК в активах будет положительной, поскольку при повышении доли ЧОК в структуре активов предприятие чувствует себя финансово более устойчивым и может себе позволить увеличение дебиторской задолженности за счет продаж в кредит (и пр.). И, наоборот, при недостатке ЧОК предприятие откажется от рискованных способов увеличения дебиторской задолженности, и предпримет меры по ее взысканию, для поддержания текущей платежеспособности на необходимом уровне.

Переменная TIE характеризует величину покрытия процентов операционной прибылью, т.е. долговую нагрузку, оказывающую влияние на операционные издержки. Чем выше коэффициент покрытия процентов, тем относительно дешевле компании обходятся ее кредитные ресурсы, и тем больше вероятности, что и сама компания предоставит своим кредит своим покупателям.

Коэффициент покрытия внеоборотных активов собственным капиталом (FA_E) в модели служит индикатором финансовой устойчивости предприятия. Посредством добавления данного показателя в модель можно будет выявить зависимость величины дебиторской задолженности от финансовой устойчивости предприятия.

Значение переменной ROS, характеризующей рентабельность продаж, позволит установить, оказывает ли общее управление издержками предприятия положительное влияние на управление дебиторской задолженностью. Таким образом, ожидается, что коэффициент при ROS будет отрицательным.

Переменная AR_AP является бинарной переменной и соотносит период инкассации дебиторской задолженности и период погашения кредиторской задолженности. При значении, равном единице, период инкассации дебиторской задолженности превышает период погашения кредиторской задолженности; при значении, равном нулю, - наоборот. Принимая во внимание указанные выше предположения и ожидания по поводу взаимозависимости кредиторской и дебиторской задолженности, можно сказать, что данная переменная позволяет не столько соотнести объемы данных задолженностей, сколько отследить влияние соотнесения сроков поступлений и платежей на решение о расширении продаж в кредит.

Помимо показателей финансово-хозяйственной деятельности в модель вводятся индикаторы денежно-кредитной политики российского государства: это уровень инфляции и темп роста денежной базы - агрегата М0. Данные по инфляции взяты на официальном сайте Федеральной службы государственной статистики, данные темпа роста денежной массы - на официальном сайте Центрального Банка РФ. Как и Brechling, Lipsey, Meltzer's, Nilsen, Ramey, автор настоящего исследования ожидает получить прямую зависимость между дебиторской задолженностью и данными макроэкономическими факторами.

В ходе расчетов некоторые переменные могут оказаться незначимыми. Предложенная модель позволит выявить факторы, влияющие на формирование дебиторской задолженности и степень их воздействия. Ожидается, что полученная модель будет значимой, поскольку строится на выборке 63 репрезентативных предприятий (предприятия отбираются случайным образом). Поэтому ее можно будет применить для расчета оптимальной величины дебиторской задолженности, включив показатели вида кредитной политики, наличия системы управления дебиторской задолженностью, долю постоянных клиентов, средний период кредитования и прочее. Такая информация является внутренней, и в настоящий момент у автора нет доступа к ней.

2.3 Спецификация модели

Итак, в процессе исследования обрабатываются три подвыборки: крупнейшие предприятия, крупные и средние. Данные, используемые для построения модели, приводятся в тысячах рублей, за исключением коэффициентов (измеряются в долях), рентабельности продаж и инфляции (в процентах, %), денежной массы (млрд.рублей).

Описательная статистика предприятий приведена ниже в таблице 6.

Таблица 6. Описательная статистика исследуемых предприятий

Переменная	Среднее	Минимум	Максимум	Ст.отклонение
AcR	3.12902e+006	0.000000	8.66173e+007	7.68299e+006
Cash	6.6435e+005	0.000000	1.54809e+007	1.85978e+006
AP	4.12163e+006	0.000000	9.30573e+007	9.68469e+006
LR_credit	1.83247e+006	0.000000	2.86191e+007	4.82023e+006
S	2.75734e+007	0.000000	5.97381e+007	6.77283e+007
NP	1.32920e+006	-3.39260e+007	4.95851e+007	4.58491e+007
dNWC	0.293968	-0.820000	0.920000	0.282972
AR_AP	0.241270	0.000000	1.00000	0.428534
FA_E	12.959	-0.34000	73.339	6.0082
TIE	371.80	-11701.7	43280.	3525.7
ROS	2.8537	-44.190	34.700	7.0862
inf	107.360	106.100	108.800	1.18949
Ms	6055.71	4771.98	7674.29	1143.93

Как видно из таблицы, среди исследуемых предприятий наблюдается значительный разброс по всем показателям. Некоторые предприятия, вошедшие по итогам двух последних исследуемых лет в состав средних, крупных или крупнейших в соответствии с размером выручки, в прошлые периоды могли даже не осуществлять реализацию произведенной продукции. Некоторые предприятия несли значительные убытки. У 24% предприятий, попавших в выборку, оборачиваемость дебиторской задолженности превышает оборачиваемость кредиторской (если отдельно по подвыборкам, то: у 20% из числа крупнейших, 27% - крупных, 24.7% - средних).

Для того, чтобы оценить, какое влияние оказывают вышеуказанные факторы на размер дебиторской задолженности в зависимости от размера компании, автором были построены несколько регрессионных моделей в соответствии с подвыборками.

Первая модель построена метом наименьших квадратов (МНК) для крупнейших предприятий, см. таблицу 7.

Таблица 7. Оценивание коэффициентов регрессии крупнейших предприятий методом МНК

const	-8.3342e+06	7.34147e+07	-0.1135	0.90986
Cash	0.131583	0.238641	0.5514	0.58271
AP	0.789774	0.0433902	18.2017	<0.00001
LR_credit	0.302805	0.0910487	3.3257	0.00127
S	-0.125461	0.0148857	-8.4283	<0.00001
NP	-0.0645634	0.19176	-0.3367	0.73712
dNWC	6.04933e+06	2.32419e+06	2.6028	0.01078
AR_AP	1.11346e+06	1.47399e+06	0.7554	0.45193
FA_E	24885.3	2703.01	9.2065	<0.00001
TIE	-82.9776	173.541	-0.4781	0.63368
ROS	8280.52	9480.83	0.8734	0.38472
inf	8106.01	652855	0.0124	0.99012
Ms	1302.72	690.315	1.8871	0.06230

Используя МНК, мы получили переменные, значимые для модели:

· на 1%-ном уровне значимости - кредиторскую задолженность, долгосрочное заемное финансирование, выручку от продаж, покрытие внеоборотных активов собственным капиталом;

· на 5%-ном - долю чистого оборотного капитала в общей стоимости активов предприятия;

· на 10%-ном - величину денежной массы.

Остатки модели не распределены нормально, при этом в регрессии отсутствует мультиколлинеарность (при пороговом значении в 10 единиц, показатели модели не превышают 2.5). Изначально автор планировал тестировать логарифмическую модель для нормализации остатков, однако проверка на значимость логарифмической модели не дала положительных результатов.

Далее была проведена панельная диагностика. В рамках панельной диагностики строятся модели с фиксированным и случайным эффектом, тестируется их значимость. Ниже приведены выводы по результатам основных тестовых статистик, которые позволяют проверить правильность выбора той или иной модели оценивания.

Тест на совместную значимость различий в группах отклоняет нулевую гипотезу об адекватности оценивания регрессионной модели методом МНК в пользу модели с фиксированными эффектами на 1% уровне значимости.

Тест Бреуша-Пегана также на 1% уровне значимости отвергает гипотезу об адекватности модели МНК - вариация ошибки, специфичной для каждого предприятия, не равна нулю, что нарушает один из принципов применения МНК - в пользу модели случайных эффектов.

И, наконец, тест Хаусмана, благодаря которому определяется наличие случайного или фиксированного эффекта.

Тестовая статистика в данном случае значима, что подтверждает нулевую гипотезу об отсутствии корреляции индивидуальных эффектов с регрессорами уравнения, следовательно, модель случайных эффектов наиболее точно описывает параметры модели.

Таким образом, основываясь на результатах тестов, мы получили, что лучшая спецификация модели для подвыборки крупнейших предприятий - модель со случайным эффектом. Построим ее только с учетом значимых параметров, результат приведен в таблице 8.

Таблица 8. Модель случайных эффектов, крупнейшие предприятия

	Coefficient	Std. Error	t-ratio	p-value
const	-7.53365e+06	2.08897e+06	-3.6064	0.00049
dNWC	7.52075e+06	1.94247e+06	3.8717	0.00019
FA_E	20859.8	2980.95	6.9977	<0.00001
Ms	1267.36	358.845	3.5318	0.00063
AP	0.807749	0.0492818	16.3904	<0.00001
LR_credit	0.317433	0.0833112	3.8102	0.00024
S	-0.122671	0.0159887	-7.6723	<0.00001

Значимыми на 1% уровне параметрами модели являются: доля чистого оборотного капитала в активах компании, покрытие внеоборотных активов собственным капиталом, величина денежной массы, кредиторская задолженность, долгосрочное заемное финансирование, выручка от продаж. Таким, образом, мы получили уравнение, описывающее размер дебиторской задолженности крупнейшего предприятия машиностроительной отрасли: