Оценка влияния внешних и внутренних факторов на инвестиционную активность компании деревообрабатывающей отрасли

Алгоритм моделирования и эмпирического исследования будет описан в работе после получения эмпирической модели, учитывающей особенности деревообрабатывающей отрасли.

2.2 Анализ российского рынка производства и деревообрабатывающей отрасли в частности

2.2.1 Выявление особенностей российского рынка производства и деревообрабатывающей отрасли в частности

Деревообрабатывающее производство - это производства, занимающиеся процессом обработки древесины, а также производством изделий из дерева, столярных изделий и крупногабаритных проектов, таких как строительство загородных домов.

Но, на самом деле, в настоящее время, такие предприятия находятся совсем не на пике развития и эффективности. Основные средства, а именно станки, машины и другая техника, необходимая для производства изделий устарела, в инвестиционных вложений в обновление активов почти не делается. И только в последние несколько лет топ менеджеры задумываются о срочной необходимости пополнения инвестиционных ресурсов.

Рисунок 1. Статистика обрабатывающей и деревообрабатывающей промышленности за 2014 год по отношению к 2013 году. Источник доступа: http://www.m-economy.ru/art.php?nArtId=1258

Исходя из рис.1. следует, что поток инвестиционной деятельности за 2014 год увеличился по сравнению с 2013, а также общий финансовый результат предприятий данной сферы имеет положительную динамику к прошлому году, однако индекс производства сократился за тот же период, что должно быть связано с общим спадом в экономике.

Несмотря на некоторую положительную динамику, общая картина данной отрасли не столь оптимистична и для более детального анализа необходимо обратится к последним статистическим данным этой сферы более детально.

За последние 10 лет с 2004 по 2014 года темп роста спроса на деревянные загородные дома постоянно увеличивался, несмотря на то, что объем доходов от лесообрабатывающей отрасли в общем объеме ВВП составляет от 9% до 12% за эти года. Однако, для анализа развития отрасли и ее перспектив стоит обратить внимание на последние 5 лет, а именно 2010 -2014. Например, объемы производства лесоматериалов в 2013 году составил 21,7 млн м3, что составляет 102,36% от объемов в 2012 году, объемы производства дверных блоков в 2013 году составляет 15,5 млн м2, на 13,97% больше, чем в 2012 году. Ниже, в таблице приведены показатели объемов деревообрабатывающей продукции по отдельным сферам с 2010 по 2014 год, а также процентное соотношение показателей объемом к предыдущему году соответственно.

Также, если обратиться к показателям 2014 года, то можно обратить внимание, что объемы производства деревообрабатывающей продукции также растут. За 2014 год деревообрабатывающая отрасль улучшила показатели производства практически по всем видам продукции, например увеличился объем производства фанеры на 6,34% по сравнению с 2013 годом. А также объем производства плит из древесины вырос на 1,17% в 2014 году по сравнению с 2013.

Но так как в основе данной работы лежит предприятие, основным видом деятельности которого является производство деревянных домов, то стоит обратить внимание на значение показателей производства садовых домиков и построек, а именно за 2013 год рост произошел скачкообразно на 169,12%, а также в 2014 году показатели также выросли, хоть и незначительно, лишь на 3,28%.

Таблица 6. Классифицированные объемы деревообрабатывающей отрасли

	2010	2011	2012	2013	2014
Лесоматериалы, продольно распиленные или расколотые, разделенные на слои или лущеные, толщиной более 6 мм; шпалы железнодорожные или трамвайные деревянные, непропитанные, млн. м3	21.9	21.6	21.2	21.7	21.5
В процентном выражении к предыдущему году		98.63%	98.15%	102.36%	99.08%
Фанера клееная, состоящая только из листов древесины, тыс. м3	2697	3063	3201	3329	3540
В процентном выражении к предыдущему году		113.57%	104.51%	104.00%	106.34%
Плиты древесностружечные и аналогичные плиты из древесины и других одревесневших материалов, тыс. условных м3	5467	6531	6778	6638	6814
В процентном выражении к предыдущему году		119.46%	103.78%	97.93%	102.65%
Плиты древесноволокнистые из древесины или других одревесневших материалов, млн. условных м2	404	464	469	427	432
В процентном выражении к предыдущему году		114.85%	101.08%	91.04%	101.17%
Оконные блоки, млн. м2	1.2	1.1	1	1	0.8
В процентном выражении к предыдущему году		91.67%	90.91%	100.00%	80.00%
Дверные блоки, млн. м2	10.8	10.4	13.6	15.5	12.5
В процентном выражении к предыдущему году		96.30%	130.77%	113.97%	80.65%
Домики садовые и постройки хозяйственные приусадебные и детали и изделия деревянные для них, тыс. шт.	3.5	2.4	6.8	18.3	18.9
В процентном выражении к предыдущему году		68.57%	283.33%	269.12%	103.28%
Целлюлоза древесная и целлюлоза из прочих волокнистых материалов, тыс. т	7510	7661	7658	7211	7503
В процентном выражении к предыдущему году		102.01%	99.96%	94.16%	104.05%
Бумага, тыс. т	4688	4784	4782	4765	4943
В процентном выражении к предыдущему году		102.05%	99.96%	99.64%	103.74%
Картон, тыс. т	2971	2847	3032	3022	3069
В процентном выражении к предыдущему году		95.83%	106.50%	99.67%	101.56%

Таким образом, можно сказать, что рассматриваемая сфера деятельности растет и развивается с каждым годом и даже кварталом, увеличивая свои объемы производства, если обратиться к ценовым индексам по данной сфере деятельности, что за последние 5 года цены на продукцию выросли, однако не больше, чем на 7%. А единственная позиция, цены по которой увеличились чуть больше, а именно на 7,6% это дома деревянные заводского изготовления (дома стандартные), что является продукцией рассматриваемой компании, поэтому это еще один положительный момент в современных тенденциях.



Таблица 7. Индекс цен на деревообрабатывающую продукцию

	2010	2011	2012	2013	2014
Бревна хвойных пород	105.5	106.7	100.9	104.0	106.8
Лесоматериалы круглые хвойных пород для распиловки	106.1	107.0	101.9	104.5	107.1
Лесоматериалы круглые хвойных пород для производства шпона и фанеры	89.6	99.4	117.4	97.1	81.9
Бревна хвойных пород прочие	107.0	113.3	95.3	114.7	99.8
Бревна лиственных пород	117.1	104.2	98.6	115.7	101.8
Пиломатериалы необрезные	105.1	109.3	102.9	101.5	99.9
Плиты древесно-волокнистые из древесины или других одревесневших материалов	112.8	104.2	96.3	115.4	95.6
Шпон лущеный	…	102.4	100.0	105.7	100.2
Блоки дверные в сборе (комплектно)	104.6	119.1	108.0	99.1	106.3
Конструкции деревянные строительные и изделия столярные, не включенные в другие группировки	100.0	98.5	101.3	106.3	100.5
Дома деревянные заводского изготовления (дома стандартные)	86.0	108.9	95.4	112.3	107.6
Комплекты деталей ящиков деревянных	99.0	102.3	100.2	105.8	101.7
Бумага и картон гофрированные, в рулонах или листах	127.8	124.7	105.3	103.0	101.6
Бумага в пачках	105.3	106.8	106.5	98.7	98.8
Блоки стеновые крупные (включая блоки стен подвалов) из бетона	101.4	118.8	105.0	101.0	100.1
Конструкции строительные сборные из стали	116.1	98.0	106.8	99.7	103.5
Конструкции строительные сборные из алюминия и его сплавов	119.4	114.0	106.4	112.5	103.3

Рисунок 2. Индекс цен на основные виды деревообрабатывающей промышленности

Соответственно, исходя из приведенных данных, рассматриваемая отрасль развивается, наращивая свое производство, а также рост цен на продукцию обеспечивает увеличение прибыли для деревообрабатывающих предприятий.

Данное исследование остается актуальным, так как на данном рынке в 2012 году работали порядка 110 малых предприятий, и уже к 2013 году их стало порядка 120 и к 2014 году их количество превзошло планку в 125.

Далее будут рассмотрены характерные черты для деревообрабатывающих производств, специализирующихся на производстве загородных деревянных домов из клееного бруса.

Производство клееного бруса характеризуется наличием высоких сырьевых издержек, эта одна из немногих сфер деятельности, которая напрямую зависит от стоимости сырья. А в связи с постоянно растущим темпом роста цен на сырье, издержки на сырье занимают все большую часть в общих издержках компании, сокращая ее прибыль и как следствие объем инвестиционных ресурсов. Так как достаточно сложно выделить чистый объем затрат в каждой компании на сырье, то необходимо ввести в модель косвенный регрессор, отражающий рост цен на сырье, например, долю себестоимости продукции в общих издержках компании.

Также одной из основных особенностей деревообрабатывающего производства является сезонность. Производственный процесс на предприятии неравномерен, так как спрос на данную продукцию резко возрастает в марте-апреле и падает сентябре-октябре. Для равномерной и эффективной работы производственного цикла предприятию необходимы большие инвестиционные вложения в создание складов и резервов. Поэтому, на мой взгляд, для создания качественной модели, описывающей реальную ситуацию на рынке деревообрабатывающего производства необходимо скорректировать полученную модель эмпирического исследования на коэффициент сезонности.

Кроме всего выше перечисленного на спрос загородных домов влияет средняя заработанная плата населения. Так как с одной стороны покупку загородного дома можно причислить к товарам класса люкс, то при увеличении средней заработанной платы населения должен увеличиваться спрос на загородные деревянные дома, что в свою очередь увеличит доходы лесопроизводственных заводов и объемы инвестиционных отчислений у этих компаний. Поэтому в рассматриваемую эконометрическую модель стоит включить регрессор, отвечающий за доходы населения, а именно среднюю ставку заработанной платы населения за рассматриваемый период.

Для деревообрабатывающей отрасли наиболее характерной особенностью является качество инвестиционных вложений. Иными словами характер направления денежных потоков. Для деятельности таких предприятий присущи высокие вложения в основные средства, а именно станки, машины, детали и оборудование. В основном компании используют оборудование иностранного производства для обеспечения качества своей продукции, а, значит, для покупки данных станков и деталей для них топ-менеджерам или собственникам необходимо учитывать валютный риск.

Пожалуй, именно валютный риск должен играть центральную роль для принятия решения об инвестиционных отчислениях. В качестве регрессора, отвечающего за учет валютного риска, в предполагаемую модель стоит включить такой показатель, как отношение курсов валют евро к национальной валюте и доллара к национальной валюте.

Еще одной интересной особенностью в деревообрабатывающем производстве является плавно растущий спрос на загородные дома во время наступления кризиса. Данная характерная черта объясняется человеческой особенностью жить ожиданиями. Поэтому ожидая ухудшения в экономике, индивидуумы предпочитают сберегать денежные ресурсы или вкладывать их в низко- или без- рисковые проекты, которые высоковероятно смогут принести доход. Во многих странах, в том числе и в России такими проектами является недвижимость, поэтому в период кризиса увеличивается спрос на загородную недвижимость. Как и для любого предприятия, увеличивающийся спрос на его продукцию позволяет повысить доходы и расширить объем денежных ресурсов, направляемых на инвестиционную деятельность. Поэтому, на мой взгляд, в построенную эконометрическую модель стоит включить регрессор, отвечающий за наличие кризиса в стране. Данный регрессор позволит сделать модель более корректной и объясняющей реальность на рынке лесопроизводства точнее.

2.2.2 Корректировка вида модели за счет выявленных особенностей

Исходя из предыдущего пункта, необходимо внести изменения в предполагаемую эмпирическую модель, включив в нее поправки:

,

где новыми регрессорами являются:

Wt - средняя ставка заработанной платы населения

- отношение себестоимости продукции к общим затратам предприятия

Cri - регрессор, отвечающий за наличие кризиса в стране.

E/R D/R - регрессоры, отвечающие за валютный риск

S - корректировка на сезонность

Таким образом, данная предположительная эмпирическая модель включает в себя корректировку на рассматриваемую область как со стороны внешних, так и внутренних регрессоров. Как уже упоминалось ранее при выполнении эмпирического анализа, возможно, потребуется изменить спецификацию предполагаемой модели, исключить или добавить регрессоры. Более подробно данное уточнение будет описано в третьей главе этого исследования при описании эмпирической части работы.

2.2.3 Гипотезы исследования

После изучения теоретической базы и обзора эмпирических исследований, а также анализа аналитических исследований, акцентированных на деревообрабатывающую область можно выдвинуть несколько гипотез:

Таблица 9. Гипотезы эмпирического исследования и обозначения регрессоров

Переменная	Обозначение	Гипотеза
Инвестиционная активность	Invt	Зависимая переменная
Рентабельность инвестиционных отчислений прошлого периода		При росте рентабельности инвестиционной деятельности в прошлом объем инвестиционных отчислений растет.
Отношение себестоимости продукции к общим затратам предприятия		При увеличении цен на сырье, или сокращения отношения себестоимости продукции к общим затратам предприятия объем инвестиционной активности уменьшается.
Средняя ставка заработанной платы населения	W	При увеличении средней заработанной ставки увеличивается инвестиционная активность компаний.
Коэффициент Q-Тобина	Q-Tob	При увеличении коэффициента Q-Тобина объем инвестиционных отчислений увеличивается
Инфляционная ставка	Inf	При увеличении инфляционной ставки объем инвестиционной деятельности сокращается
Объем внеоборотных активов	FAt	При увеличении внеоборотных активов инвестиционная активность увеличивается.
Рентабельность активов	ROEt	При росте рентабельности активов объем инвестиционных отчислений растет.
Чистая прибыль	NPt	При увеличении чистой прибыли инвестиционная активность увеличивается.
Структура корпоративного управления	CG.	При увеличении объема акций у собственников увеличивается объем инвестиционный активности



2.2.4 Алгоритм моделирования

Для проведения любого моделирования необходимо выбрать и прописать его методологию. Поэтому данный параграф посвящён именно этому вопросу.

Перед построением модели необходимо собрать данные, состоящие из финансовых показателей компаний по отобранным параметрам, указанным ранее, и из значений показателей внешних факторов, взятых из официальных статистических данных национальной системы. Одним из требований к полученной выборке стала ее репрезентативность, так как выборка должна качественно и количественно представлять генеральную совокупность, основные типы предприятий и компаний, существующие на рынке деревообрабатывающей отрасли. После получения и сбора данных для эмпирического анализа, выборку необходимо проверить, чтобы данные соответствовали определенным параметрам, позволяющим провести эмпирический анализ над выборкой. Для этого необходимо произвести ряд тестов, включающих в себя тест на нормальность, выбросы регрессоров, распределение частот, а также построить коробчатые диаграммы регрессоров. Каждый из этих тестов позволит скорректировать выборку за счет исключения некоторых наблюдений, резко выделяющихся из ряда, что приведет к более качественным результатам. Также возможно изменение структуры данных, за счет эмпирических методов, как логарифмирование регрессора, экспонирование его или взятие квадратичных отклонений.

После проведения статистического, описательного и эмпирического анализа над данными необходимо провести корреляционный анализ, построив корреляционную матрицу, являющуюся ключевой для начала проведения моделирования. Суть данной операции заключается в выявлении связей между выборками. Обычно связь между выборками носит не функциональный, а вероятностный (или стохастический) характер. В этом случае нет строгой, однозначной зависимости между величинами. Корреляционная матрица в данном случае покажет степень связи между всеми рассматриваемыми выборками, благодаря так называемому корреляционному коэффициенту. Чем ближе данный коэффициент к 1, чем сильнее связь между двумя выборками. Данная операция, позволит выделить наиболее значимые регрессоры для построения модели, и скорректируют предполагаемую модель, путем исключения некоторых регрессоров из рассмотрения.

Далее, будет произведено эмпирическое моделирование в программном пакете Gretl, по итогам которого будут сделаны первые выводы о значимости регрессоров в целом. Также в этой части, необходимо провести эмпирические тесты на построенную модель, путем того же программного пакета, для получения выводов о правильной спецификации модели, и ее корректных результатов. Основные тесты для этого этапа это тест на гетероскедостичность, мулитиколлинеарность, тест Чоу, тест на избыточность/недостаточность регрессоров, тест Рамсея и тест на нормальность остатков. Суть каждого из этих тестов описана в таблице 14 в третьей главе.

Также в данной части эмпирического исследования будут построены несколько моделей с разной спецификацией, и построена таблица их сравнения по наиболее важным параметрам, а также выбрана модель, наиболее корректно как с эмпирической, так и реалистической точки зрения описывающая ситуацию инвестиционной активности на деревообрабатывающем рынке.

После удовлетворения требованиям, предъявленным к правильности построения эмпирической модели, и выбора рабочей модели, будут сделаны выводы по эмпирической части исследования, а также даны рекомендации топ-менеджерам для улучшения и оптимизации инвестиционных решений.

Таким образом, во второй главе была оценена деревообрабатывающая отрасль в целом, даны ее характеристики, а именно выделены высокие сырьевые издержки, сезонность и валютный риск, а также выделены направления развития в будущем. Или, как уже было указано ранее, доказано, что отрасль развивается, наращивая свое производство, а также рост цен на продукцию обеспечивает увеличение прибыли для деревообрабатывающих предприятий. Кроме этого была приведена предварительная эмпирическая модель, учитывающая не только внутренние и внешние факторы в совокупности, но и акцентированная на деревообрабатывающую отрасль.

инвестиционный активность моделирование деревообрабатывающий



Глава 3. Эмпирическое исследование

В данной главе будет произведено непосредственно эмпирическое исследование влияния факторов на инвестиционную активность компаний деревообрабатывающей отрасли, а также будут сделаны выводы по главе и по работе в целом. Ключевым элементом данной части являются рекомендации для руководителей и топ-менеджеров компании при оптимизации инвестиционной активности предприятий.

3.1 Статистический и описательный анализ первой выборки

В исследовании было решено использовать именно панельные данные благодаря положительным свойствам, присущим именно такой структуре данных. Во-первых, большое количество наблюдений, полученных в результате рассмотрения именно интервала времени, позволяют сократить коллинеарность между регрессорами, что в свою очередь позволит увеличить эффективность модели. Во-вторых, анализ именно панельных данных позволяет сделать более корректные выводы за счет анализа экономической ситуации не только в разрезе, но и в длительном интервале. И, наконец, из-за дефицита данных для деревообрабатывающей сферы, использование панельных данных является единственной возможностью провести эмпирическое исследование, так как позволяет в разы увеличить количество наблюдений.

Для проведения исследования была собрана довольно обширная выборка, состоящая из финансовых показателей 63 компаний деревообрабатывающей отрасли Российской Федерации за 2011-2014 год. Данные были взяты из базы данных Спарк.

Как уже упоминалось выше, для анализа рассматриваемой отрасли существует дефицит информационных данных, связанный в первую очередь с небольшим количеством деревообрабатывающих компаний в целом по стране и во вторую очередь с несвоевременной публикацией финансовой отчетности данных компаний. Поэтому собранную выборку пришлось разбить на две группы. В первую группу вошли 63 компании за временной период до 2013года. Во вторую выборку вошли только 10 наиболее крупных компаний деревообрабатывающей отрасли, предоставивших финансовые показатели до 2014 года. Список используемых компаний в работе представлен в приложении.

Для репрезентативности выборки, выбранным компаниям для анализа должны быть характерны следующие свойства:

- компания должна быть открытой и присутствовать на рынке больше 5ти лет;

- компания должна опубликовывать прозрачную отчетность в срок;

- компания должна быть одной из ведущих компаний в своей сфере деятельности.

Так как задачей исследования было не только проанализировать внутренние факторы компаний, влияющих на решение топ-менеджеров и собственников компании об инвестиционных отчислениях, но также рассмотреть возможные внешние факторы. То для анализа были собраны данные о средней заработанной плате населения за рассматриваемый период для каждого региона, представленного в выборке. Иными словами панельные данные собраны так, что каждой компании из выборки соответствует средняя заработанная плата населения региона, в котором компания представлена. Также была учтена инфляционная ставка в эмпирической модели. Данные о внешних факторах были взяты с сайта Росстат. Кроме этого, как уже говорилось ранее, модель будет скорректирована на сезонность с помощью программы, позволяющей анализировать и систематизировать панельные данные Gretl.

Во всех рассмотренных эконометрических исследованиях в первой главе построенные модели включали либо только внешние, либо внутренние факторы, и нет ни одного исследования, скорректированного на определенную отрасль, что позволяет считать данное исследование уникальным.

Перед построением модели, необходимо эконометрически проанализировать регрессоры, их структуру и корреляционную зависимость между всеми переменными. Для начала были проанализораваны несколько регрессоров, а именно внеоборотные активы, рентабельность активов, отношение себестоимости к общим затратам, средняя ставка заработанной платы, чистая прибыль и инвестиционная активность.

Для построения любой регрессионной зависимости, вне зависимости от типа данных и их структуры необходимо, чтобы данные соответствовали определенным параметрам, для этого необходимо произвести ряд тестов над выборкой, включающие в себя тест на нормальность, выбросы, распределение частот, построить коробчатые диаграммы.

Данные операции над регрессорами позволят скорректировать выборку для более эффективного анализа. Ниже представлены описательные статистики данных и их свойства и характеристики.



Рис.3 Тесты на нормальность распределения регрессоров для выборки за период 2011-2013 года

Тест на нормальность распределения показал, что часть переменных распределены нормально, так как p>0,5, однако часть регрессоров, таких как рентабельность активов, общие затраты не попадают, под данное определение. Для включения данных регрессоров в модель есть смысл прологарифмировать данные, и анализировать результаты модели для таких переменных как эластичность.

Так же ниже представлены графики выбросов для регрессоров, путем данного анализа можно выделить часть компаний с резко отличающимися показателями по разным финансовым данным. В таких случаях стоит просто убрать эти компании из выборки для получения более корректных результатов анализа.



Рис.4. Графики разброса регрессоров, позволившие сократить выборку



Путем, анализа этих и других регрессоров, не представленных на графиках в работе, было отобрано 4 компании, с резко отличающимися показателями, что может быть вызвано какими-либо внешними факторами или аномальными ситуациями. В дальнейшем исследовании было принято решение сократить выборку до 59 компаний. Это позволит значительно улучшить результаты исследования за счет отсутствия влияния аномальных значений и при этом сокращение выборки на 12 наблюдений почти не отразиться на качестве анализа.

Как уже упоминалось ранее, в исследовании рассмотрен такой параметр как структура корпоративного управления. Данное решение было принято за счет анализа результатов предыдущих исследований на схожие тематики. Кроме этого, несомненно, на решение о принятии инвестиционной политики сильно влияет корпоративная структура управления компанией.

После проведения эмпирического анализа выборки, необходимо обратиться к корреляционной матрице исследуемых регрессоров для определения смысловой значимости включения регрессоров в модель. Ниже представлена матрица с основными регрессорами модели.

Таблица 10. Корреляционная матрица, наблюдения 1:1 - 58:4 5% критические значения (двухсторонние) = 0,1288 для n = 188

Asets	ROA	NP	Ceb_TC	CG	Inv
1,0000	0,0056	0,8935	-0,2002	0,3457	0,8288	Asets
	1,0000	0,2172	0,0271	0,2981	0,9749	ROA
		1,0000	-0,1908	0,1897	0,7298	NP
			1,0000	0,4576	0,8692	Ceb_TC
				1,0000	0,7896	CG.
					1,0000	Inv
					Wages
					0,0350	Asets
					-0,1973	ROA
					-0,0091	NP
					0,1041	Ceb_TC
					0,12903	CG
					0,8154	Inv
					1,0000	Wages

В ходе анализа корреляционной матрицы переменных было выявлено влияние рассматриваемых переменных на зависимую переменную, потому что корреляционные коэффициенты по модулю больше 0,7. Данный вывод является одним из ключевых, позволяющий начать эмпирическое исследование влияния факторов на инвестиционную активность.

3.2 Статистический и описательный анализ второй выборки

Как уже отмечалось ранее, компании деревообрабатывающей отрасли не славятся предоставлением финансовой отчетности в срок, и на настоящий момент существует только 10 крупных компаний данной отрасли, которые предоставили финансовую отчетность за 2014 год. Для настоящего и эффективного анализа данного количества наблюдений несомненно недостаточно, но чтобы подтвердить или подкорректировать выводы, которые будут получены в ходе эмпирического анализа первой выборки из 59 компаний вполне достаточно. Как и в пункте 3.1 в данном исследовании будут использоваться внешние факторы, за период с 2011 по 2014, взятые из отчетности РосСтата.

После проведения статистического анализа, тестов на нормальность, построения графиков разброса и нахождения выбросов, было принято решение об использовании выборки в целом.



Рис.5. Описательные статистики для регрессоров в схемах и диаграммах

Однако, становиться очевидным, что для эмпирического анализа столь малого количества наблюдений, а именно 40, такое большое количество регрессоров просто не позволит провести корректную оценку, поэтому было принято решение об использовании лишь тех регрессоров, которые окажутся значимыми при построении эмпирической модели первой выборки компаний.

3.3 Эмпирическое моделирование

Как уже отмечалось ранее в качестве зависимой переменной было выбрано количество инвестиционных отчислений, скорректированных на чистую прибыль компании, что позволит сравнивать организации между собой вне зависимости от их размера и объема операционной деятельности. За счет формулы расчета данного параметра:

явно, что для получения данного показателя пришлось сократить рассматриваемый период выборки на один год.

Для проведения эконометрического анализа был использован метод наименьших квадратов, который позволяет найти наилучшие и эффективные оценки параметров в модели. Ниже представлена первоначальная эконометрическая модель построенная с помощью статистического пакета gretl:

Таблица 11. Модель 2: ВМНК, использовано наблюдений - 188 Включено 59 пространственных объектов Зависимая переменная: Y

Weights based on per-unit error variances

	Коэффициент	Ст. ошибка	t-статистика	P-значение
const	-0,291556	0,0843225	-3,4576	0,00065	***
ROA	0,492016	0,0817311	6,0199	<0,00001	***
NetProfit	2,14648e-013	0	2,8656	0,00455	***
Ceb_TC	0,19284	0,05053	3,8163	0,00017	***
Cash	6,80502e-06	3,07955e-06	2,2097	0,02812	**
Wages	0,47975	0,023457	3,5347	0,06789	*

Статистика, полученная по взвешенным данным:

Сумма кв. остатков	150,5455		Ст. ошибка модели	0,814369
R-квадрат	0,182506		Испр. R-квадрат	0,168101
F(4, 227)	12,66950		Р-значение (F)	2,53e-09
Лог. правдоподобие	-279,0270		Крит. Акаике	568,0540
Крит. Шварца	585,2877		Крит. Хеннана-Куинна	575,0042

Статистика, полученная по исходным данным:

Среднее зав. перемен	-0,010097		Ст. откл. зав. перемен	1,097982
Сумма кв. остатков	273,3921		Ст. ошибка модели	1,097438

Если обратить внимание на информационные критерии, а также значение R2, характеризующего степень объяснения модели реальной картины, то можно предположить, что влияние объясняющих регрессоров на зависимую может быть не линейным, поэтому с помощью эконометрического пакета была построена новая модель, где в качестве регрессоров взяты их логарифмы.

Результаты этой модели представлены ниже:



Таблица 12. 8:ВМНК, использовано наблюдений - 188 Включено 59 пространственных объектов. Зависимая переменная: Inv

Weights based on per-unit error variances

	Коэффициент	Ст. ошибка	t-статистика	P-значение
const	-0,155101	0,0569047	-2,7256	0,00730	***
ROA_1	0,0185597	0,00165913	11,1864	<0,00001	***
NP	0,0134245	0,00209857	6,3970	<0,00001	***
l_Ceb_TC	-0,0452778	0,00591577	7,6537	<0,00001	***
Cash	9,38797e-07	1,04562e-06	0,8978	0,37093

Статистика, полученная по взвешенным данным:

Сумма кв. остатков	125,2882		Ст. ошибка модели	0,981711
R-квадрат	0,658981		Испр. R-квадрат	0,648488
F(4, 130)	62,80256		Р-значение (F)	1,87e-29
Лог. Правдоподобие	-186,5173		Крит. Акаике	383,0346
Крит. Шварца	397,5610		Крит. Хеннана-Куинна	388,9377

Статистика, полученная по исходным данным:

Среднее зав. Перемен	0,098293		Ст. откл. Зав. Перемен	0,276850
Сумма кв. остатков	9,649947		Ст. ошибка модели	0,272452

В ходе построения второй модели, было выявлено, что регрессор объем внеоборотных активов оказался совершенно незначимым. Это может объясняться сильной корреляционной зависимостью между регрессорами объем ВА и объем чистой прибыли, так как корреляционная матрица показала положительное влияние ВА на инвестиционную активность. Однако, из-за сильной зависимости между этими переменными необходимо экспертной оценкой определить регрессор, оказывающий наибольшее влияние на инвестиционную активность. Таким регрессором стал объем чистой прибыли компании.

Далее в ходе исследования, было решено совместить наиболее значимые внутренние факторы, включая регрессор, отвечающий за корпоративную структуру управления, а также внешние факторы. Результаты построенной модели представлены ниже:



Таблица 13. Модель 9: МНК, использованы наблюдения 1:1-53:3 (T = 115) Исключено пропущенных или неполных наблюдений: 44. Зависимая переменная: Y

	Коэффициент	Ст. ошибка	t-статистика	P-значение
const	?30,41	16,4967	?1,8434	0,0680	*
l_AssetsCurrentassets	0,127605	0,664583	0,1920	0,1481
l_Ceb	?2,85921	2,73225	?1,0465	0,2977
Wages	0,85042	2,94166	1,3089	0,1033	*
NP	?5,613e-08	4,54782e-08	?1,2342	0,2198
E/R	-0,825864	0,3984722	-1,8934	0,1058	*
ROA	?0,126587	0,0493811	?1,5635	0,0117	**
CG	0,247302	0,194386	1,47852	0,0324	**
Inf	0,723433	0,915052	0,7906	0,3709

Среднее зав. перемен	0,189652	Ст. откл. зав. перемен	12,18450
Сумма кв. остатков	15628,84	Ст. ошибка модели	12,02961
R-квадрат	0,761565	Испр. R-квадрат	0,625263
F(6, 108)	1,492435	Р-значение (F)	0,187533
Лог. правдоподобие	?445,6146	Крит. Акаике	905,2291
Крит. Шварца	924,4436	Крит. Хеннана-Куинна	913,0282

После построения рабочей модели, необходимо убедиться, что данная эмпирическая модель удовлетворяет основным условиям, позволяющим сделать корректные выводы по ней. В таблице ниже представлены проведенные тесты над моделью и их результаты.

Таблица 14. Сводная таблица тестов для проверки корректности модели

Название теста	Пояснение смысловой значимости	Результаты
Гетероскедостичность	Наличие гетероскедостичности говорит о неоднородности наблюдений и может привести к неэффективности оценок	Тест Уайта, отсутствует
Мультиколлинеарность	Наличие мультиколлинеарности говорит о линейной зависимости между регрессорами, иными словами регрессоры влияют не только на зависимую переменную, но и друг на друга, что приводит к некорректным выводам	Расчет показателя VIF, отсутвует
Тест Чоу	Данный тест проверяет стабильность параметров регрессионной модели и наличие структурных сдвигов в рассматриваемой выборке. Отрицательный результат может говорить о неточных выводах	отсутствует
Нормальность остатков	Нормальное распределение остатков позволяет получить надёжные оценки для ошибок коэффициентов и интервалы для коэффициентов.	Распределение нормальное
Тест Рамсея	Тест Рамсея проверяет правильность выбранной спецификации модели.	Спецификация подобрана наиболее близкой
Избыточные/пропущенные переменные	Данный тест необходим для общего смыслового понимания включения регрессоров в модель, показывает наличие лишних регрессоров или нехватку дополнительных	Тест не показал необходимости в новых регрессорах

Как уже упоминалось выше, дальнейшее эмпирическое исследование будет проводиться на второй выборке, за период 2011-2014 года, позволив возможно скорректировать результаты модели.

Таблица 15

Модель 7: МНК, использованы наблюдения 1:1-10:4 (T = 42) Исключено пропущенных или неполных наблюдений: 1. Зависимая переменная: Y

	Коэффициент	Ст. ошибка	t-статистика	P-значение
const	?30,41	16,4967	?1,8434	0,0680	*
l_AssetsCurrentassets	0,127605	0,664583	0,1920	0,8481
l_Ceb	?2,85921	2,73225	?1,0465	0,2977
l_TC	-3,85042	2,94166	1,3089	0,1933
NetProfit	5,613e-08	4,54782e-08	?1,2342	0,2198
ROA	0,126587	0,0493811	2,5635	0,0117	**
СG	0,234567	0,127525	1,4326	0,0456	**
Wages	0,723433	0,915052	0,7906	0,0309	**

Среднее зав. перемен	0,189652		Ст. откл. зав. перемен	12,18450
Сумма кв. остатков	15628,84		Ст. ошибка модели	12,02961
R-квадрат	0, 36565		Испр. R-квадрат	0,35263
F(6, 108)	1,492435		Р-значение (F)	0,187533
Лог. правдоподобие	?45,6146		Крит. Акаике	90,2291
Крит. Шварца	94,4436		Крит. Хеннана-Куинна	93,0282

Далее необходимо произвести сравнение построенных моделей для дачи более объективных выводов по эмпирической части.

Таблица 16

Наименование	Первая выборка	Вторая выборка
R-квадрат	0,761565	0, 36565
l_AssetsCurrentassets	-	-
l_Ceb	-	-
l_TC	-	-
NPt	-	-
ROAt	+	+
СG	+	+
Wages	+	+
E/R	+	-

Исходя из полученных результатов, можно сделать вывод, что обе построенные модели имеют схожие результаты, одинаковые регрессоры имеют влияние на зависимую переменную. Так как изначально было указано, что модель, построенная из второй выборки, не позволяет дать репрезентативные результаты как индивидуальная модель, то все дальнейшие выводы будут сделаны исходя из результатов первой модели. Вторая модель является лишь дополнительным подтверждением правильных выводов по первой модели.

3.4 Анализ результатов эмпирического исследования

Важно отметить, что в исследовании доказано нелинейное влияние регрессоров на зависимую переменную. Данный вывод является уникальным в рассматриваемом вопросе, так как кроме работ Филатова «Приватизация и корпоративное управление в странах с переходной экономикой», и Р. Капелюшникова, Н. Демина «Влияние характеристик собственности на результаты экономической деятельности российских промышленных предприятий» не было доказано нелинейного влияния. А так как эти исследователи анализировали влияние только внутренних факторов, то доказанное нелинейное влияние совокупности внутренних и внешних факторов является важным выводом в работе.

При увеличении отношения себестоимости продукции к общим затратам на 1% объем инвестиционной деятельности сокращается на 2,86%.

При увеличении средней ставки заработанной платы на 1%, инвестиционная активность увеличивается, но на очень маленькую величину. Также из модели следует, что данный регрессор значим на 5% уровне значимости, так как значения Prob ?(0.01,0.05).

При увеличении рентабельности активов прошлого периода на 1%, объем инвестиционных отчислений увеличивается на 0,12 единиц.

При увеличении чистой прибыли на 1%, инвестиционная активность возрастает, что вполне ожидаемо, на очень маленькую величину.

3.5 Выводы

Исходя из результатов эмпирического исследования, а также анализа отрасли можно сделать несколько важных выводов.

Во-первых, на инвестиционную активность компаний всегда влияют определенные факторы, не всегда очевидные при первом рассмотрении.

Как уже отмечалось ранее, переменная, отвечающая за инвестиционную активность, скорректирована на чистую прибыль компании, что позволяет сравнивать компании между собой, вне зависимости от их размеров. Поэтому выводы исследования более корректны с данным условием.

По итогам работы, был сделан вывод о влиянии корпоративной структуры на инвестиционную активность компаний. Иными словами анализ взаимосвязи инвестиционной активности и доли акций, принадлежащей членам совета директоров, выявил экспоненциальную возрастающую зависимость. Данный результат говорит об усилении конвергенции интересов членов совета директоров, при увеличении их участия в капитале, с целями других собственников компании. Из чего следует увеличение инвестиционной активности как в качественном, так и в количественном выражении.

Кроме этого, выявлена убывающая зависимость между объемом инвестиционной активности и увеличением отношения себестоимости к общим затратам компании. Данный факт еще раз косвенно подтверждает предположение о том, что растущая стоимость сырья для производства продукции на деревообрабатывающих компаниях отрицательно влияет на объем инвестиционных отчислений. Несомненно это связано с преобладанием сырьевых затрат в общем объеме затрат компании. Однако подтверждение данного факта может помочь топ-менеджерам компании правильно скорректировать свое решение об объем инвестиционных отчислений.

Также в работе было доказано влияние объема внеоборотных активов в компании и объема чистой прибыли на инвестиционную активность компаний, что вполне очевидных факт, так как это прямые внутренние факторы компании, на которые топ-менеджеры обращают внимание в первую очередь при решении о вложении денежных единиц в инвестиционную деятельность.

Рентабельность активов компании имеют возрастающую зависимость с инвестиционной активностью. Однако, в проведенном исследовании было доказано незначительное влияние, что возможно объяснить как не первостепенным фактором, на который обращают внимание при становлении инвестиционной активности, так как рентабельность активов отвечает скорее за операционную деятельность предприятия, нежели за инвестиционную.

Также, стоит отметить странную характеристику деревообрабатывающей отрасли, о которой уже упоминалось ранее: при увеличении средней заработанной платы населения, увеличивается спрос на продукцию данной отрасли. В проведенном исследовании была доказана возрастающая зависимость между средней заработанной платой региона, в котором располагается организация и увеличением инвестиционной активности. Это можно объяснить с экономической точки зрения, как при увеличении спроса на продукцию компании, организации стремиться развиваться во всех сферах, в том числе и в инвестиционной деятельности.

Такие регрессоры, как инфляционная ставка и отраслевой риск, не оказались значимыми в построенной регрессии, что возможно связано не столько с действительно отсутствующей взаимосвязи, как скорее с недостаточностью наблюдений, не позволяющей выявить эту взаимосвязь на столь небольшой выборке.

Как уже было отмечено ранее, характер инвестиционной активности деревообрабатывающих предприятий узконаправлен и основная доля инвестиционных отчислений лесопереробатывающих компаний направлена на восстановление и обновление основных средств, а именно оборудования, поэтому валютный риск должен сильно влиять на инвестиционную активность предприятий. В исследовании была доказана прямая отрицательная зависимость курса евро к рублю и объемом инвестиционных отчислений. Данный вывод позволяет говорить о большом влиянии политической и экономической ситуации в стране на деятельность деревообрабатывающей отрасли.

Анализ рассматриваемой отрасли выявил потенциал для развития предприятий данной сферы. Рост инвестиций в лесоперерабатывающие компании стабильный, составляющий от двух до пяти процентов ежегодно.

Однако, несмотря на все вышесказанное, деревообрабатывающая отрасль не развивается на одинаковом уровне с другими отраслями Российской экономики. И как следствие, не позволяет данной отрасли занять центральные позиции в Российской экономике.

Исходя из работы, можно предложить следующие рекомендации для оптимизации инвестиционной активности компаний и улучшения финансового положения отрасли в целом:

1. Так как было доказано, что стоимость сырья для производства продукции деревообрабатывающих компаний высока, и является основной статьей расходов компаний этой сферы, то для сокращения себестоимости продукции, и как результат увеличение объема свободного денежного потока для инвестиционных отчислений, необходимо оптимизировать затраты на сырье. То есть, управляющему компанией необходимо в первую очередь сконцентрировать свое внимание на данной статье расходов.

2. Также было доказано высокое влияние валютного риска на инвестиционную активность компаний, поэтому для учета данного фактора, менеджерам необходимо уделить свое внимание анализу экономической и политической ситуации в стране. И в зависимости от ситуации использовать финансовые инструменты для оптимизации инвестиционной деятельности, такие как фьючерсы, опционы, денежные обязательства и так далее. Данное решение позволит приобрести или сделать определенное инвестиционное вложение в нужное время, что увеличит эффективность инвестиционной активности компании в целом.

3. Кроме этого, инвестиционная деятельность деревообрабатывающей отрасли напрямую зависит от финансового состояния компании, следовательно, менеджерам высшего звена необходимо сконцентрировать свое внимание также на достижение оптимального уровня выручки и прибыли компании путем применения знаний о рыночных отношениях на практике.

4. Влияние структуры корпоративного управления на инвестиционную активность компаний позволяет предложить рекомендацию по отношению к системе управления. А именно для развития компаний деревообрабатывающей отрасли, наиболее оптимальным является вариант при владении собственником максимальным количеством акций. Также, стоит отметить, что данная рекомендация позволит сократить временные затраты на принятие решения по инвестиционной деятельности предприятия, что в некоторых случаях существенно улучшит инвестиционную активность компании, например, за счет получения и принятия инвестиционного предложения быстрее своих конкурентов, что при правильных инвестиционных вложениях принесет увеличение спроса на их продукцию со стороны потребителей.

При выполнении всех предложенных рекомендаций, компания сможет значительно улучшить и оптимизировать свою инвестиционную активность, что как следствие положительно скажется на росте стоимости компании и благосостоянии собственников и акционеров.

По итогам проведенного исследования можно предложить определенный алгоритм оценки инвестиционной активности компании, заключаемый в следующих пунктах:

1.Первым шагом, при оценке инвестиционной активности компании, становиться анализ количества и качества инвестиционной деятельности предприятия. Как уже было отмечено ранее, характер инвестиционных потоков направлен на прямую инвестиционную деятельность для обновления или увеличения основных средств компании. Так как любое производство в деревообрабатывающей сфере строиться на основе качественного оборудования, являющегося для данной отрасли дорогостоящим, то инвестиционная деятельность компании должна быть стабильной, а также занимать постоянный процент к операционной деятельности компании. Иными словами при увеличении операционной деятельности предприятия, его инвестиционная деятельность также должна расти. Поэтому первый шаг посвящен проверке данного факта, и при его соблюдении, можно переходить к следующему этапу.

2.Так как было в работе было доказано, что наибольшее влияние на инвестиционную деятельность деревообрабатывающих компаний оказывает стоимость сырья для производства продукции, то вторым шагом является оптимизация сырьевых затрат, путем анализа поставщиков и цен на рынке сбыта сырья. При достижении оптимума на данном этапе, можно обращаться к следующему пункту.

3.Третьим шагом является страхование от валютного риска компании. Как было доказано при моделировании, валютный риск напрямую влияет на объем инвестиционных отчислений, за счет того, что предприятия инвестируют в основном в иностранное оборудование благодаря его качеству. Поэтому на данном этапе стоит уделить свое внимание страхованию от данного риска, путем использования финансовых инструментов, таких как фьючерсы, опционы, ценные бумаги и денежные обязательства, позволяя сократить данный риск.

4.Следующий этап при оценке инвестиционной активности компании заключается в оптимизации прибыли и выручки компании. А также в стабилизации наличия свободных денежных ресурсов для ведения инвестиционной деятельности.

5.Таким образом, при выполнении всех предыдущих шагов алгоритма, можно перейти к заключительному этапу, а именно к анализу инвестиционной деятельности компании в длительном периоде, а также сравнению финансового состояния и ключевых параметров финансового благосостояния предприятия с состоянием до применения данного алгоритма. При недостаточных различиях, необходимо еще раз повторить алгоритм, начиная с первого шага.

Однако, несмотря, на все предложенные рекомендации и полученные выводы, остаются не раскрытые вопросы в данной теме. Поэтому данное исследование может быть улучшено за счет более тщательного анализа деревообрабатывающей отрасли и выявлению каких-либо дополнительных параметров, способных повлиять на уровень инвестиционной активности в компании. А также, возможно улучшение данного исследования за счет дополнительных сведений о деятельности компаний этой сферы, полученных из неофициальных источников, а напрямую от руководителей предприятий.



Заключение

В данной работе разработана модель, учитывающая особенности деревообрабатывающей отрасли, а также модель, результаты которой можно применить к предприятиям, представленным на рынке страны с развивающейся экономикой. Данная научная новизна позволит топ менеджерам компании использовать проведенное исследование в своей деятельности, что обеспечит их компаниям эффективные инвестиционные вложения.

По итогам проделанной работы и проведенного исследования была достигнута цель работы, которая заключалась в разработки модели оценки влияния внешних и внутренних факторов на инвестиционную активность компании для деревообрабатывающей отрасли.

Для достижения поставленной цели были решены следующие задачи:

1. Изучены и систематизированы как российская, так и зарубежная литература, соответствующая тематике данной работы.

2. Выявлены внешние и внутренние факторы, влияющие на инвестиционную активность компании на основе предыдущих эмпирических исследований.

3. Выявлены особенности отечественного рынка деревообрабатывающей отрасли, способные повлиять на инвестиционную активность компаний на основе аналитических работах в данном секторе.

4. Обоснованно выбрана зависимая переменная и выборка компаний для построения регрессии, собраны данные для эмпирического анализа.

5. Разработана модель влияния факторов на инвестиционную активность компании.

Для проведения данной работы были использованы работы российских и зарубежных исследователей, исследовавших проблему управления инвестиционной деятельности компании. Для анализа и обобщения итоговой методологии исследования были использованы методы системного анализа и синтеза. Для выполнения эмпирической части работы были использованы эконометрические методы и методы финансового анализа. Данные для работы были взяты из отчетности компании, а также из публикуемых отчетах о финансовом состоянии рынка и страны в целом, а также из других источников, таких как Спарк.

Как уже отмечалось ранее для проведения настоящего исследования был выдвинут следующий ряд гипотез:

Гипотеза 1. Существует возможность построения модели влияния фактор на инвестиционную активность компании.

Гипотеза 2. Существует возможность адаптации модели к предприятиям деревообрабатывающей отрасли

Гипотеза 3. Применение рекомендаций, предложенных исходя из разработанной модели оценки влияния внешних и внутренних факторов на инвестиционную активность компании, позволит повысить эффективность управления инвестиционной деятельностью компании.

В первой главе было раскрыто понятие инвестиционная активность компании, ее сущность и признаки, а также были проанализированы предыдущие исследования по теме влияния факторов на инвестиционную активность компаний. Но основной акцент в главе был уделен анализу внутренних и внешних факторов, которые повлияли на инвестиционную активность компании.

Также в первой главе выявляются особенности деревообрабатывающей отрасли, проанализирован отечественный рынок и выявлены специфические характеристики рынка, способные повлиять на инвестиционную активность компании. По итогам первой главы также будет создан.

Вторая глава посвящена проведению эмпирического исследования, анализу собранной выборки компаний, построению модели, созданию корректирующего коэффициента или поправки модели, необходимой для применения полученной модели к предприятиям деревообрабатывающей отрасли, а также обоснование выбора зависимой переменной.

В третьей главе было проведено непосредственно эмпирическое моделирование и эконометрический анализ выборки. Было доказано наибольшее влияние на инвестиционную активность компаний таких параметров как структура корпоративного управления, изменение стоимости сырья для производства продукции, изменение курса иностранной валюты по отношению к национальной. Были даны рекомендации для топ-менеджеров и управляющих деревообрабатывающих предприятий, а также выявлены направления для продолжения исследования данного вопроса.

Исходя из работы, можно сказать, что поставленные гипотезы оправдались, так в исследовании была разработана модель влияния факторов на инвестиционную активность компании, учитывающая особенности деревообрабатывающей отрасли, а также предложенные рекомендации и алгоритм оценки инвестиционной активности компании увеличивают эффективность управления инвестиционной деятельностью компании.

Результаты данной работы могут быть использованы как менеджерами высшего звена компаний деревообрабатывающей сферы для оптимизации инвестиционной деятельности, так и руководителями компаний других сфер деятельности в качестве ориентиров для улучшения инвестиционной активности.

По итогам работы, можно сделать вывод, что проведенное исследование является необходимым, своевременными и актуальным для всех игроков на рынке деревообрабатывающей отрасли.



Библиографический список

1.Долгопятова Т.Г. Эмпирический анализ организации корпоративного контроля в российских компаниях/ Т.Г. Долгопятова, О.М. Уварова // Препринт WP1/2007/03, Серия WP1 «Институциональные проблемы российской экономики». М.: ГУ-ВШЭ, 2007.