Анализ факторов, влияющих на отклонение текущей структуры капитала российских компаний от оптимума

3.2 Описание переменных и предварительный анализ данных

Для анализа отклонения структуры капитала от оптимального уровня компаний России в качестве зависимой переменной использовались такие показатели структуры капитала, как: абсолютное отклонение текущей доли заёмного капитала от оптимального уровня (delta_fin_lev_abs), разность между текущей и оптимальной долями заёмного капитала(delta_fin_lev), бинарная переменная - знак отклонения (delta_plus_sign). Оптимальное соотношение собственного и заёмного капитала представлено среднеотраслевыми значениями, так как это является распространённой практикой в экономических исследованиях (Loof, 2004; Лопатников, 2014; Marsh, 1982). Различные зависимые переменные позволят построить 3 регрессионные модели, что приведёт к устойчивым и надёжным результатам, а также объяснить отклонение текущей структуры капитала от оптимума с разных сторон: направление отклонения, его изменение и относительную величину. Показатели в работе берутся балансовыми, так как менеджмент компании ориентируется именно на балансовые величины при принятии решения о форме финансирования. (Toyetal., 1974)

Зависимые переменные описаны в таблице (таблица 1), формулы расчёта зависимых переменных указаны в приложении (приложение 1).

Таблица 1. Описание зависимых переменных

Название переменной	Обозначение в модели	Методика расчёта
Разность между текущей и оптимальной долями заёмного капитала	Delta_fin_lev	Текущая доля заёмных средств в структуре капитала минус среднеотраслевая доля заёмных средств в структуре капитала
Абсолютное отклонение текущей доли заёмного капитала от оптимального уровня	Delta_fin_lev_abs
Знак отклонения	Delta_plus_sign	1 - если отклонение доли заёмных средств от среднеотраслевого показателя > 00 - если отклонение доли заёмных средств от среднеотраслевого показателя < 0

В соответствии с данными описательной статистики зависимых переменных (приложение2), можно сделать вывод, что в целом в период с 2005 по 2013 год доля заёмных средств российских компаний выборки была ниже оптимальной. То есть, в среднем компании России используют недостаточный объём потенциально более дешёвого (чем собственный капитал) заёмного капитала. Кроме того, в кризисный и докризисный период абсолютное отклонение структуры капитала от оптимального уровня было больше, чем в посткризисный период. Также меньшая волатильность наблюдается у показателя абсолютного отклонения доли заёмных средств от отраслевого уровня.

Независимые переменные в модели выбраны на основе эмпирических работ, посвященных отклонению структуры капитала иностранных компаний, и работ по оптимальной структуре капитала российских компаний. Обзор таких исследований представлен в предыдущих частях данной работы. Набор независимых переменных и способ их расчёта представлен в таблице (таблица 2).

Таблица 2. Описание независимых переменных

Название переменной	Обозначение в модели	Методика расчёта
Экономия на налоге на прибыль недолгового происхождения	NDTS	Расходы на амортизацию/Совокупные активы
Экономия на налоге на прибыль за счёт выплаты процентов по заёмному капиталу	Tax	Величина выплаченного налога на прибыль/прибыль до выплаты налогов
Материальность активов	Tang	Внеоборотные активы/совокупные активы
Прибыльность	Prof	Прибыль до выплаты процентов и налогов/совокупные активы
Размер капитала	Lnsales	Натуральный логарифм продаж компании
Динамика роста	Growth	Капиталовложения/Совокупные активы
Соотношение рыночной к балансовой стоимости капитала	MTBV	Рыночная стоимость капитала/балансовая стоимость капитала
Контрольные переменные, характеризующие отрасль	Ind1, ind2, ind3, ind4, ind5, ind6	Дамми-переменая, отражающая одну из отраслей: 1 - Строительство и недвижимость; 2 - Производство; 3 - Энергия и полезные ископаемые; 4 - Услуги; 5 - Торговля; 6 - Финансовая деятельность;
Присутствие государства	Government	Доля государственных собственников в компании

Описательные статистики независимых переменных представлены в приложении (приложение 3). В среднем за рассматриваемый период доля государственного участия в российских компаниях выборки выросла с 3% до 9%. Показатель потенциала роста компаний выборки снизился почти в 2 раза в период кризиса: от 7% в 2007 до 3-4% в 2008-2009 гг. Устойчивый рост показателя размера компании отражает то, что компании России из выборки ежегодно становятся крупнее. Прибыльность российских компаний выборки снизилась во время финансового кризиса и к 2013 году так и не достигла докризисных значений. Наибольшая волатильность наблюдается у показателей размера компании и соотношения рыночной к балансовой стоимости.

Предварительный анализ данных включает в себя тестирование данных на нормальность распределения при помощи аналитического и графического методов. Значения коэффициентов асимметрии и куртозиса для трёх зависимых переменных близки к 0 и 3 соответственно, что отражает распределение близкое к нормальному. Из независимых переменных лишь у переменных «размер компании» и «материальность активов» распределение близко к нормальному. По прочим переменным наблюдается отклонение от нормального распределения. Это также подтверждается графиками Quantile-Quantile и гистограммами нормального распределения.

Гомогенность выборки является важным условием для точного расчета. В соответствии с расчётами в таблице 3все переменные являются гетерогенными:

Таблица 3. Тест на гомогенность

Variable	government	growth	lnsales	mtbv	ndts
SD/mean*100%	322%>33%	164%>33%	35%>33%	106%>33%	69%>33%
Variable	prof	tang	tax
SD/mean*100%	112%>33%	48%>33%	213%>33%

В таблице представлены расчёты теста на гомогенность независимых переменных

Согласно рассчитанным коэффициентам выборка является неоднородной. Вследствие этого в модели может наблюдаться гетероскедастичность. Оценки могут оказаться неэффективными, условие BLUE (Bestlinearunbiasedestimators) не будет выполняться. Чтобы избежать этого, будет введена поправка White.

До расчёта коэффициентов регрессии был проведён корреляционный анализ (приложение 6) путём построения корреляционной матрицы (методом Ordinary и методом Spearman (для дамми-переменных)). После расчета коэффициентов корреляции необходимо проверить их на значимость, используя статистику p-value. В соответствии с полученными данными, значимыми на 10% уровне значимости являются 38 коэффициентов корреляции. Между многими переменными наблюдается линейная слабая и умеренная отрицательная и положительная взаимосвязь. В модели нет угрозы мультиколлинеарности.

3.3 Построение регрессионных моделей

В качестве основной эконометрической спецификации была выбрана линейная модель. Таким образом, далее представлена базовая спецификация:

L = Я₀+ Я₁* GOVERNMENT + Я₂* GROWTH + Я₃* *LNSALES + Я₄* MTBV + Я₅* NDTS + Я₆ *PROF + Я₇* *TANG + Я₈* TAX + Я₉* IND1 Я₁₀* IND3 + Я₁₁ * IND4 + + Я₁₂* IND5 + Я₁₃* IND6 + Я₁₄* IND7+U,

где: L - зависимая переменная (delta_fin_lev, delta_fin_lev_abs,

delta_plus_sign);

Далее был проведён расчёт коэффициентов сквозной (pooled) линейной регрессионной модели множественного выбора методом МНК, а также модели бинарного выбора методом probit. Для того чтобы учесть индивидуальные характеристики компаний и рассматриваемых временных периодов, были также рассмотрены альтернативные спецификации моделей. В первую очередь было решено не выбирать модель с фиксированными эффектами по кросс-секции, так как это потребовало бы исключения переменной «присутствие государства», которая отражает российскую специфику. Данную переменную пришлось бы исключить, так как она не изменяется по времени. Далее была исключена модель со случайными эффектами по кросс-секции, так как тест Хаусмана показал, что модель с фиксированными эффектами предпочтительнее модели со случайными эффектами. Значение p-value=0,00, тогда основная гипотеза (corr(u_i;x_it)=0 или ui могут рассматриваться, как случайные эффекты) отвергается. Затем была отвергнута модель со случайными эффектами по времени, так как для её построения требовалось сократить количество переменных до числа, меньшего числа периодов. Таким образом, осталась модель с фиксированными эффектами по периодам. Стоит отметить, что сравнение моделей производилось при одинаковом наборе регрессоров. Далее был проведён расчёт коэффициентов регрессии моделей с фиксированными эффектами по времени методом МНК, в модели за базовый период был взят 2009 год (по большему количеству наблюдений). Дополнительно был проведён тест Вальда для сравнения сквозной регрессионной модели (pooledregression) и модели с фиксированными эффектами по времени (periodfixedeffects). Результаты теста показали, что выбрать следует модель с фиксированными по времени эффектами. Тест Вальда осуществляет проверку гипотезы о равенстве нулю всех индивидуальных эффектов. Так как значение p-value=0,00, то нулевая гипотеза не принимается. То есть, регрессия с фиксированными эффектами предпочтительнее сквозной регрессии. В модели с фиксированными эффектами тестируется наличие индивидуальных отличий в свободных членах при условии постоянства ошибок и коэффициентов регрессии. Кроме того, может иметь место корреляция между индивидуальными эффектами и иными независимыми переменными.

Модель с фиксированными эффектами по времени была выбрана не только исходя из результатов эконометрических тестов, но и исходя из экономического смысла модели. В сквозной модели не учитываются индивидуальные характеристики наблюдений, предполагается, что все объекты выборки ведут себя одинаково в каждый момент времени. В модели с фиксированными по времени эффектами учитывается влияние периода расчёта: докризисный, кризисный и посткризисный. В период мирового финансового кризиса поведение объектов выборки отличается от поведения во внекризисные периоды. Таким образом, для построения более достоверной модели необходимо учитывать временные эффекты.

Для выбранной спецификации и для всех трёх моделей была проведена проверка выполнения условий Гаусса-Маркова. Все условия кроме нормальности распределения ошибок выполняются. Если посмотреть на гистограммы с наложением нормального распределения (приложение 7), можно сделать вывод, что у моделей множественного выбора распределение является близким к нормальному. Значение критерия Харке-Бера незначительно отличается от нуля, следовательно, распределение является близким к нормальному (куртозис в обеих моделях примерно равен 2,5<3, коэффициент асимметрии равен 0,01 и 0,13, что больше 0). Распределение ошибок в модели бинарного выбора также не является нормальным. Значение критерия Харке-Бера=8228,8?0, куртозис равен 4,6>3, коэффициент асимметрииравен 1, 5>0.График остатков (приложение 8) отражает гетероскедастичность остатков. Однако при построении моделей была внесена поправка White, что позволило доверять t-тесту. Таким образом, не все условия Гаусса-Маркова выполняются. Оценки являются несмещёнными и линейными, но не наилучшими.

Результаты представлены в следующей части работы. В таблице описания результатов (таблица 4) приведены модели с наилучшей спецификацией, для каждой модели отражены значения коэффициентов регрессии, а также показатели качества моделей.

4. Описание результатов

Результаты исследования приведены в сводной таблице (таблица 4) для трёх моделей:

- модель детерминантов разности текущей и оптимальной долей заёмного капитала с фиксированными эффектами по времени (delta_fin_lev);

- модель детерминантов абсолютного отклонения доли заёмных средств от оптимального уровня с фиксированными эффектами по времени (delta_fin_lev_abs);

- модель детерминантов знака отклонения текущей доли заёмных средств от оптимальной доли (delta_plus_sign).

В таблице результатов (таблица 4) приведены значения и стандартные отклонения коэффициентов регрессии для моделей множественного выбора, для модели бинарного выбора представлены значения коэффициентов предельных эффектов, также представлены показатели качества всех моделей.

Таблица 4. Результаты регрессионного анализа

	delta_fin_lev	delta_fin_lev_abs	delta_plus_sign (marginal effects)
C	-0,29 (0,04)	0,35 (0,03)	-0,17
GOVERNMENT	-0,04 (0,06)	0,05 (0,05)	0,03
GROWTH	0,2*** (0,05)	-0,17*** (0,04)	0,1
LNSALES	0,04*** (0,01)	-0,03*** (0,00)	0,01***
MTBV	0,03*** (0,01)	-0,01*** (0,00)	0,03***
NDTS	-0,93** (0,45)	0,82** (0,39)	-0,62
PROF	-0,61*** (0,07)	0,43*** (0,05)	-0,62***
TANG	-0,31*** (0,05)	0,22*** (0,04)	-0,23***
TAX	0,01 (0,02)	-0,01 (0,01)	0,01
IND1	-0,08*** (0,03)	0,03 (0,02)	-
IND3	-0,03 (0,03)	0,04* (0,02)	-
IND4	0,06 (0,04)	-0,04 (0,03)	-
IND5	-0,08 (0,05)	0,05 (0,05)	-
IND6	0,15*** (0,04)	-0,16*** (0,03)	-
R2	0,29	0,24	0,12
Prob(F-statistic)	0,00	0,00	0,00
Observations	1332	1332	1553

Примечание: * - значимость на 10% уровне значимости;

** - значимость на 5% уровне значимости;

*** - значимость на 1% уровне значимости

В целом следует отметить, что значения коэффициентов при детерминантах в двух моделях множественной регрессии (с зависимыми переменными delta_fin_lev и delta_fin_lev_abs) характеризуются противоположными знаками. Данный эффект объясняется тем, что (в соответствии с описательными статистиками) в среднем компании выборки характеризуются недостатком заёмных средств. И при увеличении значения показателя разности текущей доли заёмных средств и оптимальной доли в отрицательных величинах, в абсолютных величинах разрыв сокращается. Аналогично - при снижении значения показателя отклонения в отрицательных величинах, в абсолютных величинах разрыв увеличивается.

В ходе исследования было выявлено, что на отклонение структуры капитала от оптимального уровня влияют следующие показатели:

- Динамика роста (growth)- при ускорении роста компаний значение показателя отклонения текущей доли заёмных средств в структуре капитала от оптимальной увеличивается, однако величина отклонения сокращается, и текущая доля заёмного капитала становится ближе к оптимуму. Текущий уровень долга в компании увеличивается и становится ближе к оптимальному значению. Это связано с тем, что компании с высокими темпами роста обладают большей привлекательностью для кредиторов, издержки на получение займа у таких компаний ниже, и, соответственно, ниже издержки приближения к оптимальной структуре капитала. Таким образом, менеджмент растущей компании при принятии решения о финансировании будет увеличивать долю заёмных средств в структуре капитала, а структура капитала будет стремиться к оптимальному уровню.

- Размер капитала компании (lnsales) - увеличение размера компании приведёт к сокращению разрыва между текущей долей заёмных средств и оптимальной долей путём наращивания доли заёмных средств в структуре капитала. Кроме того, вероятность того, что текущая доля заёмных средств стремится к оптимальной, увеличивается с ростом размера компании. Данный результат согласуется с положениями агентской теории: с ростом размера компании асимметрия информации между менеджментом и кредиторами становится меньше. С этой точки зрения, доля заёмного капитала должна быть больше в более крупных компаниях. Кроме того, более крупная компания имеет более надёжную репутацию и является привлекательной как для инвесторов, так и для кредиторов, что снижает издержки привлечения заёмного капитала. Таким образом, более крупные компании стремятся к оптимальному соотношению собственных и заёмных средств.

- Соотношение рыночной к балансовой стоимости (MTBV) - при возрастании показателя соотношения рыночной к балансовой стоимости значение показателя разности между текущей и оптимальной долями долгового капитала увеличивается, а текущее соотношение заёмного капитала приближается к оптимальному соотношению. А вероятность увеличения доли заёмных средств до оптимального уровня становится выше. При увеличении показателя MTBVкомпания становится более привлекательной для инвесторов. Кроме того, менеджеры компании с высоким показателем соотношения рыночной к балансовой стоимости настроены оптимистично, они готовы увеличивать уровень долговой нагрузки, рассчитывая на перспективы увеличения стоимости компании, снижения риска неплатежа. Таким образом, снижение издержек привлечения заёмных средств и готовность менеджмента увеличивать долговую нагрузку приводит к сокращению разрыва между текущей и оптимальной структурой капитала компаний.

- Экономия на налоге на прибыль недолгового происхождения (NDTS) - при увеличении экономии на налогах недолгового происхождения значение показателя разности между текущей и оптимальной долями долгового капитала становится меньше, а абсолютная величина отклонения от оптимального уровня становится больше. Это означает, что при увеличении налоговой экономии за счёт амортизации дефицитная (относительно оптимума) доля долга в компании становится ещё меньше. Для экономии на налогах менеджеры компаний часто используют одну из двух возможностей: экономию долгового и недолгового происхождения, поэтому данные налоговые щиты можно считать субститутами. Так как привлечение долгового капитала сопровождается высокими транзакционными издержками, компании часто предпочитают экономить на налогах за счёт амортизационных отчислений. Сокращение налогооблагаемой базы недолговым методом не требует значительных финансовых трат и является более привлекательным вариантом для компаний. Таким образом, (с целью минимизации транзакционных издержек) при увеличении недолгового налогового щита уровень долговой нагрузки в компании будет сокращаться. Так как в среднем по компаниям выборки наблюдается дефицит долгового капитала в структуре капитала компании, уменьшение доли заёмных средств из-за роста недолгового налогового щита удаляет текущую структуру капитала от оптимума.

- Прибыльность (Prof) - при увеличении прибыльности значение показателя отклонения текущей доли заёмных средств от оптимального уровня сокращается, а величина отклонения становится больше. Кроме того, при росте прибыльности снижается вероятность того, что текущий процент заёмных средств в структуре капитала будет стремиться коптимальному уровню. Данный результат соответствует положениям теории иерархии - при росте прибыльности менеджмент компании настроен позитивно, видя растущие финансовые результаты. Поэтому при принятии решения о финансировании менеджеры прибегают к наиболее предпочтительному источнику - к собственному капиталу. Таким образом, более высокая прибыльность компании приводит к большей доле заёмного капитала в структуре капитала компании. Но из-за средней по выборке низкой доли заёмных средств в структуре капитала компаний текущая структура капитала компаний будет становиться дальше от оптимального значения.

- Материальность активов (Tang) - при увеличении доли внеоборотных активов в совокупных активах компании сокращается значение показателя разности между текущей долей долга в структуре капитала компании и оптимальной долей долга. Однако текущий уровень долга удаляется от оптимума. При увеличении доли материальных активов сокращается вероятность того, что текущий уровень долга будет стремиться к оптимуму. Материальные активы часто используются в качестве залога при получении займов. В работах зарубежных авторов обычно выявляется прямое влияние роста объёма материальных активов на объём долгового капитала. Однако в данной работе было выявлено противоположное влияние, что характерно для выборки компаний развивающихся рынков капитала. Аналогичный результат был получен в работах Ивашковской и Солнцевой (Ивашковская, Солнцева, 2009) - для компаний России, Ниворожкина (Nivorozhkin, 2002) - для компаний Венгрии. Полученное влияние можно объяснить особенностями развивающихся рынков капитала: невысокая залоговая стоимость материальных активов, их повышенный износ, низкие показатели ликвидности материальных активов на вторичном рынке.

Отдельно стоит отметить наличие временных фиксированных эффектов. Можно заметить, что в 2011 году в период после финансового кризиса в России (2008 - 2010 гг.) в среднем текущая структура капитала была ближе к оптимальной относительно кризисного 2009 года.

В ходе работы нашли свое подтверждение следующие гипотезы:

- Гипотеза 1 была подтверждена: чем выше темп роста компании, тем ближе доля заёмных средств в структуре капитала к оптимальному уровню.

- Гипотеза 2 подтвердилась: структура капитала крупных компаний ближе, чем структура малых компаний, к оптимальному уровню.

- Гипотеза 3 не нашла своё подтверждение: долговая нагрузка высокодоходных компаний дальше, чем у низкодоходных компаний, от оптимальной долговой нагрузки.

- Гипотеза 4 была подтверждена: показатель соотношения рыночной к балансовой стоимости оказывает отрицательное влияние на величину отклонения текущей структуры капитала от оптимума.

- Гипотеза 5 была опровергнута: чем больше в компании внеоборотных активов, тем больше структура капитала отдаляется от оптимального значения.

- Гипотеза 6 не подтвердилась: показатель долгового налогового щита оказался статистически незначимым.

- Гипотеза 7 была опровергнута: увеличение показателя недолгового налогового щита увеличивает разрыв между текущей и оптимальной долями заёмного капитала в структуре капитала компании.

- Гипотеза 8 не нашла подтверждение: показатель государственного участия в структуре собственников компании оказался статистически незначимым.

В качестве ограничения модели можно отметить следующее:

- В качестве оптимальной структуры капитала рассматривается среднеотраслевая структура, по аналогии с предыдущими исследованиями. Таким образом, не учитываются особенности конкретной компании.

- Выборка ограничена компаниями одной страны - России. Для более масштабного исследования необходимо рассмотреть компании и других стран с развивающимися рынками капитала, что позволит провести сравнение полученных результатов.

Для того чтобы улучшить модель, можно предпринять следующее:

- Усложнить расчёты в модели, определив оптимальную структуру для каждой компании в каждый временной период одним из методов, рассмотренных ранее.

- Увеличить объём выборки, добавив компании из других стран с развивающимися рынками капитала.

- Увеличить временной отрезок исследования, добавив данные в выборку.

Заключение

Данная выпускная квалификационная работа представляет собой эмпирическое исследование детерминантов отклонения структуры капитала компании от оптимального уровня для выборки российских компаний. В процессе исследования была достигнута основная цель работы - были определены факторы, влияющие на отклонение текущей доли заёмного капитала российских компаний от оптимального уровня.

При помощи анализа теоретических и эмпирических работ по исследованию структуры капитала были отобраны переменные для построения модели. В качестве детерминантов отклонения соотношения собственных и заёмных средств от оптимума для расчёта регрессии были выбраны такие показатели как: экономия на налоге на прибыль недолгового происхождения, экономия на налоге на прибыль за счёт выплаты процентов по заёмному капиталу, материальность активов, прибыльность, размер капитала, динамика роста, соотношение рыночной к балансовой стоимости капитала, присутствие государства среди собственников компании.

В соответствии с данными базы данных, собранной специалистами Международной лаборатории экономики нематериальных активов НИУ ВШЭ был проведён статистический анализ данных. В рамках статистического анализа были построены модели панельных данных: модель детерминантов разности текущей и оптимальной долей заёмного капитала с фиксированными эффектами по времени, модель детерминантов абсолютного отклонения доли заёмных средств от оптимального уровня с фиксированными эффектами по времени, модель детерминантов знака отклонения текущей доли заёмных средств от оптимальной доли.

В качестве результатов можно выделить, что статистически значимыми во всех трёх моделях стали 6 детерминантов отклонения структуры капитала от оптимума: экономия на налоге на прибыль недолгового происхождения, прибыльность, размер капитала, соотношение рыночной к балансовой стоимости капитала, материальность активов и динамика роста компании. Влияние данных факторов как положительное, так и отрицательное.

Было выявлено, что экономия на налоге на прибыль недолгового происхождения, прибыльностьи материальность активов увеличивают разрыв между текущей и оптимальной долей заёмных средств в структуре капитала в компании. А увеличение размера компании, темпа роста и отношения рыночной стоимости капитала к балансовой оказывают обратное влияние на отклонение структуры капитала от оптимального уровня. Выводы данной работы будут интересны как для внутренних, так и для внешних пользователей финансовой информацией. Для внутренних (менеджмент, владельцы компании) пользователей важно определить, почему структура капитала не является оптимальной, почему при текущей структуре капитала стоимость компании не максимизируется. Определение факторов, влияющих на отклонение структуры капитала компании от оптимального уровня, позволит менеджерам определить причину отклонения и принять меры для достижения оптимальной структуры капитала. С другой стороны, внешние пользователи (например, инвесторы) могут быть заинтересованы структурой капитала компании при принятии решения об инвестировании. Инвестору важно определить, является ли структура капитала компании оптимальной. Если структура отклоняется от оптимума, необходимо определить причину данного отклонения - является ли избыточное (дефицитное) использование заёмных средств оправданным и соответствующим целям компании, либо данное отклонение неоправданно рискованно. Ответы на данные вопросы влияют на решение инвестора о том, стоит ли вкладывать средства в рассматриваемую компанию.

Дальнейшее развитие исследования может быть осуществлено с акцентом на исключительные особенности каждой компании выборки. Более точный расчёт оптимальной структуры капитала каждой компании в определённый момент времени сделает исследование более конкретизированным. У каждой компании в каждый период времени есть своя оптимальная структура капитала, которая, исходя из проведённого исследования, зависит, в том числе, и от внутренних характеристик компании. Расчёт оптимальной структуры капитала одним из количественных методов, представленных ранее, сделает исследование более масштабным, более точным.

финансовый капитал заемный оптимальный

Список литературы

1. Анюхина И., Иванинский И., Катаева Е., (2008),“Оценка оптимальной структуры капитала компаний ОАО «Уралкалий» и Kali&SalzAG”, Корпоративные финансы, №4(8), с. 88 - 105.

2. Ivanov, I., (2010), “Capital Structure determinants of Russian public companies”, Корпоративные финансы, № 1(13), с. 5-38.

3. Ивашковская И. В., (2004),“От финансового рычага к оптимизации структуры капитала компании”, Управление компанией, № 11, c.18 - 21.

4. Ивашковская, И.В., Куприянов, А. (2005), “Структура капитала: резервы создания стоимости для собственников компании”, Журнал «Корпоративные финансы», № 2(45), с. 34-38.

5. Ивашковская, И.В., Солнцева, М.С. (2008), “Структура капитала в российских компаниях как стратегическое решение”, Вестник Санкт-Петербургского университета, № 8(3), с. 3-32.

6. Ивашковская, И.В., Солнцева, М.С. (2009), “Детерминанты стратегических решений о финансировании крупных компаний на развивающихся рынках капитала: пример России, Бразилии и Китая”, Российский журнал менеджмента, №7(1), с. 25-42.

7. Kokoreva M., Stepanova A., (2012), “Financial architecture and corporate performance: evidence from Russia”, Корпоративные финансы, №2(22), c. 34 - 44.

8. Осколкова, М.А., Паршаков, П.А., Яковлева, А.М., (2012), “Поведенческие аспекты формирования структуры капитала компании”, Финансы и кредит, № 12(492), с. 47 - 56.

9. Пономарева, О.А., (2008), “Динамическая концепция структуры капитала: история возникновения, эволюция и основные исследовательские вопросы”, Корпоративные финансы, №2(6), с.78-91.

10. Семенова, Е., Смирнова, И., (2007), “Исследования издержек финансовой неустойчивости в рамках компромиссной теории структуры капитала: обзор”, Корпоративные финансы, №3, c. 102 - 113.

11. Солодухина, А. В., Репин, Д. В., (2008), “В поисках решения загадки структуры капитала: поведенческий подход”, Корпоративные финансы, №1(5), c. 103 - 118.

12. Теплова, Т. В., (2004), “Современные модификации стоимостной модели управления компанией”, Вестник Московского государственного университета. Серия Экономика, №1, c. 83 - 103.

13. Теплова, Т. В., (2012),“Два контура интересов в аналитике финансового здоровья компании”, Управление корпоративными финансами, № 5, c. 254-267.

14. Шпренгер, К. (2010), “Государственная собственность в российской экономике Часть 1. Масштаб и распределение по секторам”, Журнал Новой экономической ассоциации, №6, с.120-140

15. Adedeji, T. (2002), “A cross-sectional test of Pecking Order Hypothesis Against Static Trade-off Theory on UK data”, Working paper.

16. Auerbach, A. (1985), “Real determinants of corporate leverage. In: Friedman, B.M. (Ed.), Corporate Capital Structures in the United States”, University of Chicago Press.

17. Baker, M., Wurgler, J. (2002), “Market Timing and Capital Structure”, The Journal of Finance, Vol. 57(1), pp. 1-32.

18. Banjeree, S., Heshmati, A. and Wihlborg, C. (2004), “The dynamics of capital structure”, Research in Banking and Finance, Vol. 4, pр. 275-297.

19. Bhaduri, S. (2002), “Determinants of сapital structure choice: A study of the Indian sector”, Applied Financial Economics, Vol. 12(9), pp. 655-665.

20. Bikhchandani, S., Hirshleifer, D., Welch, I. (1992), “A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades”, The Journal of Political Economy, Vol. 100(5), pp. 992-1026.

21. Chowdhury, A., Chowdhury, S. (2010), “Impact of capital structure on firm's value: Evidence from Bangladesh”, Business and Economic Horizons, Vol. 3(3), pp. 111-122.

22. DeAngelo, H., Masulis, R., (1980), “Optimal capital structure under corporate and personal taxation”, Journal of Financial Economics, Vol.8, pp. 3-29.

23. Delcoure, N. (2007), “The determinants of capital structure in transitional economies”, International Review of Economics and Finance, Vol. 16, pp. 400-415.

24. Dittmar, A., Thakor, A. (2007), “Why do firms issue equity?”, Journal of Finance.

25. Donaldson, G. (1962), “Corporate debt capacity: A study of corporate debt policy and the determination of corporate debt capacity”, The Journal of Finance, Vol. 17(3).

26. Downs, D. (2005), “Corporate Leverage and Nondebt Tax Shields: Evidence on Crowding-Out”, Financial Review, Vol. 28(4), pp. 549-583.

27. Drobetz, W., Wanzenried, G. (2006), “What determines the speed of adjustment to the target capital structure?”, Applied Financial Economics, Vol. 16 No.13, pp. 941-958.

28. Elliott, W., Koлter-Kant, J., Warr, R. (2008), “Market timing and the debt-equity choice”, Journal of Financial Intermediation, Vol. 17, pp. 175- 197.

29. Fama, E., French, K. (2002), “Testing Trade-Off and Pecking Order Predictions about Dividends and Debt”, The Review of Financial Studies, Vol. 15(1), pp. 1-33.

30. Filbeck, G., Raymond, F., Preece, D. (1996), “Behavioral aspects of the intra-industry capital structure decision”, Journal of Financial And Strategic Decisions.

31. Fischer, E. O., Heinkel, R. and Zechner, J. (1989), “Dynamic capital structure choice: Theory and tests”, Journal of Finance, Vol. 46 No.1, pp. 297-335.

32. Frank, M., Goyal, V. (2003), Capital structure decisions. Working Paper.

33. Graham, J.R. and Harvey, C.R. (2001), “The theory and practice of corporate finance: evidence from the field”, Journal of Financial Economics, Vol. 60, рp. 187--243.

34. Hackbarth, D., Miao, J., Morellec, E. (2006), “Capital structure, credit risk, and macroeconomic conditions”, Journal of Financial Economics, Vol. 82, рp. 519--550.

35. Hatfield, G., Cheng, L., Davidson, W., (1994), “The determination of optimal capital structure: the effect of firm and industry debt ratios on market value”, Journal Of Financial And Strategic Decisions, Vol. 7(3), pp. 1-14.

36. Hovakimian, A. (2006), “Are Observed Capital Structures Determined by Equity Market Timing?”, Journal of Financial and Quantitative Analysis, Vol. 41(1), pp. 221-243.

37. Huang, R., Ritter, J. (2009), “Testing theories of capital structure and estimating the speed of adjustment”, Journal of Financial and Quantitative Analysis, Vol. 44(2), pp.237-271.

38. Jalilvand, A., Harris, R. (1984), “Corporate behavior in adjusting to capital structure and dividend targets: An econometric study”, Journal of Finance, Vol. 39, pp. 127-144.

39. Loof, H. (2004), “Dynamic optimal capital structure and technical change”, Structural Change and Economic Dynamics, Vol. 15, pp. 449-468.

40. Marsh, P. (1982), “The choice between equity and debt: an empirical study”, Journal of Finance, Vol. 37, pp. 121--144.

41. Miguel, A., Pindado, J. (2001), “Determinants of the capital structure: New evidence from Spanish data”, Journal of Corporate Finance, Vol. 7, pp. 77-99.

42. Modigliani, F., Miller, M. (1958). “The cost of capital, corporation finance and the theoryof investment”, American Economic Review, Vol. 48(3), pp. 261-297.

43. Modigliani, F., Miller, M. (1963), “Corporate income taxes and the cost of capital: a correction”, American Economic Review, Vol. 53(3), pp. 433 - 443.

44. Myers S. C. (1984), “The Capital Structure Puzzle”, The Journal of Finance. Vol. 39(3), pp. 574 - 592.

45. Nivorozhkin, E. (2002), “Capital structures in emerging stock markets: The case of Hungary”, The Developing Economies, Vol.40(2), pp.166-187.

46. Opler, T., Titman, S. (1994), “The debt-equity choice: an analysis of issuing firms”, Boston College.

47. Patel, J., Zeckhauser, R., Hendricks, D. (1991), “The Rationality Struggle: Illustrations from Financial Markets”, American Economic Review Papers and Proceedings, pp. 232 - 236.

48. Seifert, B. and Gonenc, H. (2008), “The international evidence on the pecking order hypothesis”, Journal of Multinational Financial Management, Vol. 18(3), pp. 244-260.

49. Shyam-Sunder, L., Myers, S. (1999), “Testing Static Trade-Off Against Pecking Order Models of Capital Structure”, Journal of Financial Economics, Vol. 51, pp. 219- 244.

50. Taggart, R. (1977), “A model of corporate financing decisions”, Journal of Finance, Vol. 32, pp. 1467--1484.

51. Titman, S., Wessels, R. (1988), “The determinants of capital structure choice”, Journal of Finance, Vol. 43(1), pp. 1-19.

52. Toy, N., Stonehill, A., Remmers, L., Wright, R., Beekhuisen, T. (1974), “A comparative international study of growth profitability, and risk as determinants of corporate debt ratios in the manufacturing sector”, Journal of Financial and Quantitative Analysis, Vol. 9, pp. 875-886.

53. Wanzenried G. (2006), “Capital structure dynamics in the UK and Continental Europe”, European Journal of Finance, Vol. 12, pp. 693-716.

54. Welch, I. (2004), “Capital Structure and Stock Returns”, Journal of Political Economy, Vol. 112(1), pp. 106-31.

55. Wiwattanakantang Y. (1999), “An empirical study on the determinants of the capital structure of Thai firms”, Pacific-Basin Finance Journal, Vol. 7 (3-4), pp. 371-403.

Приложение 1

Описательные статистики зависимых переменных

Переменная	Mean
	2005	2006	2007	2008	2009	2010	2011	2012	2013
Delta_fin_lev	-0,30	-0,32	-0,30	-0,31	-0,33	-0,32	-0,23	-0,24	-0,22
Delta_fin_lev_abs	0,34	0,36	0,35	0,35	0,37	0,36	0,29	0,27	0,27
	Min
	2005	2006	2007	2008	2009	2010	2011	2012	2013
Delta_fin_lev	-0,77	-0,78	-0,79	-0,77	-0,77	-0,80	-0,74	-0,66	-0,67
Delta_fin_lev_abs	0,00	0,00	0,00	0,00	0,00	0,00	0,00	0,00	0,01
	Max
	2005	2006	2007	2008	2009	2010	2011	2012	2013
Delta_fin_lev	0,39	0,34	0,36	0,35	0,37	0,36	0,37	0,21	0,29
Delta_fin_lev_abs	0,77	0,78	0,79	0,77	0,77	0,80	0,74	0,66	0,67
	SD
	2005	2006	2007	2008	2009	2010	2011	2012	2013
Delta_fin_lev	0,27	0,27	0,27	0,28	0,28	0,27	0,27	0,20	0,22
Delta_fin_lev_abs	0,21	0,22	0,21	0,22	0,23	0,23	0,20	0,16	0,15
Переменная	Доля выборки, для которой значение зависимой переменной равно:
	0	1
Delta_plus_sign	81,85%	18,15%

В таблице представлены описательные статистики для рассматриваемых показателей. По столбцам расположены статистики: Mean - среднее значение, Мax - максимальное значение, Мin - минимальное значение, SD - оценка стандартного отклонения.

Приложение 2

Описательные статистики независимых переменных

Переменная	Mean
	2005	2006	2007	2008	2009	2010	2011	2012	2013
GOVERNMENT	0,03	0,03	0,04	0,04	0,04	0,04	0,04	0,09	0,09
GROWTH	0,11	0,07	0,07	0,03	0,04	0,09	0,07	0,13	0,00
LNSALES	3,32	3,48	3,65	3,77	3,84	4,13	4,37	7,74	7,63
MTBV	2,51	2,00	1,98	1,52	1,26	1,36	1,07	1,20	1,40
NDTS	0,03	0,03	0,03	0,03	0,03	0,03	0,03	0,05	0,05
PROF	0,13	0,13	0,14	0,13	0,09	0,10	0,10	0,10	0,08
TANG	0,44	0,44	0,42	0,42	0,45	0,46	0,47	0,68	0,68
TAX	0,25	0,22	0,26	0,22	0,19	0,15	0,15	0,22	0,27
	Min
	2005	2006	2007	2008	2009	2010	2011	2012	2013
GOVERNMENT	0	0	0	0	0	0	0	0	0
GROWTH	-0,58	-0,86	-0,45	-0,86	-0,89	-0,29	-0,86	-0,06	-0,49
LNSALES	-3,15	-4,35	-4,64	-6,06	-6,07	-4,95	-4,57	2,07	1,97
MTBV	0,26	0,00	0,00	0,02	0,00	0,03	0,00	0,09	0,10
NDTS	0,00	0,00	0,00	0,00	0,00	0,00	0,00	0,00	0,00
PROF	-0,54	-1,05	-0,34	-0,42	-0,58	-0,38	-0,27	-0,12	-0,29
TANG	0,00	0,02	0,01	0,01	0,01	0,02	0,03	0,12	0,19
TAX	-4,62	-5,83	-4,16	-5,01	-3,46	-5,07	-4,99	-4,73	-3,51
	Max
	2005	2006	2007	2008	2009	2010	2011	2012	2013
GOVERNMENT	1	1	1	1	1	1	1	1	1
GROWTH	0,75	0,93	0,91	0,79	0,75	1,04	0,87	0,30	0,59
LNSALES	9,44	9,58	11,10	11,36	11,14	11,39	11,62	11,69	11,67
MTBV	13,58	9,60	10,25	12,89	7,19	8,22	10,28	10,99	7,71
NDTS	0,15	0,17	0,14	0,15	0,16	0,15	0,16	0,13	0,11
PROF	0,77	0,90	0,97	0,92	0,95	0,85	0,90	0,46	0,42
TANG	0,99	0,98	0,98	0,99	1,00	1,00	1,00	0,92	0,91
TAX	3,35	5,48	4,14	3,69	5,21	5,26	3,94	1,30	4,21
	SD
	2005	2006	2007	2008	2009	2010	2011	2012	2013
GOVERNMENT	0,13	0,12	0,13	0,14	0,14	0,14	0,14	0,23	0,23
GROWTH	0,11	0,14	0,12	0,13	0,11	0,11	0,14	0,07	0,15
LNSALES	1,54	1,60	1,70	1,80	1,98	2,08	2,11	1,55	1,60
MTBV	2,25	1,77	1,78	1,71	1,24	1,34	1,30	1,50	1,59
NDTS	0,02	0,02	0,02	0,02	0,02	0,02	0,03	0,03	0,03
PROF	0,14	0,16	0,14	0,14	0,14	0,13	0,12	0,10	0,10
TANG	0,21	0,22	0,22	0,23	0,24	0,24	0,24	0,20	0,19
TAX	0,42	0,67	0,52	0,48	0,51	0,51	0,50	0,67	0,70

В таблице представлены описательные статистики для рассматриваемых показателей. По столбцам расположены статистики: Mean - среднее значение, Мax - максимальное значение, Мin - минимальное значение, SD - оценка стандартного отклонения.

Приложение 3

Графики Quantile-Quantileдля независимых переменных

Приложение 4

Гистограммы с наложением нормального распределения для независимых переменных

Приложение 5

Корреляционная матрица (методамиOrdinary и Spearman)

	govern	growth	lnsales	mtbv	ndts	prof	tang	tax	Dfl	Dfla
govern	1,00	-	-	-	-	-	-	-	-	-
growth	0,00	1,00	-	-	-	-	-	-	-	-
lnsales	0,20***	0,17***	1,00	-	-	-	-	-	-	-
mtbv	-0,08***	0,02	0,00	1,00	-	-	-	-	-	-
ndts	-0,03	0,12***	0,15***	-0,07**	1,00	-	-	-	-	-
prof	-0,06**	0,13***	0,17***	0,13***	0,01	1,00	-	-	-	-
tang	0,05*	0,33***	0,25***	-0,14***	0,50***	-0,09***	1,00	-	-	-
tax	-0,02	0,09***	0,07**	0,03	0,04	0,08***	-0,01	1,00	-	-
Dfl	0,04	-0,01	0,17***	0,22***	-0,17***	-0,20***	-0,24***	0,02	1,00	-
Dfla	-0,04**	-0,01	-0,21***	-0,14***	0,15***	0,17***	0,20***	0,00	-0,93***	1,00
Dps	0,05**	-0,08***	0,03	0,17***	-0,17***	-0,20***	-0,16***	-0,08***	-	-

В таблице представлены значения коэффициентов корреляции для 4251 наблюдений.

Примечание: * -- 10%-й уровень значимости;

** -- 5%-й уровень значимости;

*** -- 1%-й уровень значимости;

Сокращения: Dfl - delta_fin_lev;

Dfla - delta_fin_lev_abs;

Dps - delta_plus_sign;

Govern - government.

Приложение 6

Гистограммы распределения ошибок

Приложение 7

Дисперсия остатков

Размещено на Allbest.ru