Однако применительно к ситуации проектного финансирования статическая модель подходит больше, чем динамическая. Компания еще на предынвестиционной стадии выбирает оптимальную структуру капитала, редко изменяя ее в дальнейшем. Таким образом, проектной компании не надо достигать оптимума структуры с течением времени.

По содержательному аспекту детерминант структуры капитала выделяют поведенческие концепции, агентскую концепцию [23, 27], теорию отслеживания рынка [26], теорию порядка финансирования [26].

Одним из ключевых факторов, выделяемых в большинстве исследований структуры капитала, является размер компании [13, 21, 24, 32]. При этом под размером компании исследователи в основном понимают выручку компании или совокупные активы и используют в моделях их логарифм. Согласно компромиссной теории, чем крупнее компания, тем выше ее уровень долговой нагрузки, поскольку для крупных компаний заемное финансирование более доступно [30]. Размер проекта косвенно отражает низкую вероятность банкротства компании, если исходить из предположения «too big to fail» [29]. Тем не менее, в исследованиях данной темы временами наблюдаются противоположные результаты. Так, на некоторых локальных рынках авторами наблюдается обратная зависимость между размером компании и уровнем долга [16 - рынок Индии].

В данном исследовании под размером компании мы будем понимать совокупную стоимость проекта ввиду того, что при получении финансирования проект еще не является прибыльным и не генерирует положительный денежный поток, а его оценка производится лишь по прогнозным значениям выручки и затрат. Кроме того, масштабные и капиталоемкие проекты - это отличительная черта проектного финансирования.

Таким образом, первая гипотеза следующая:

H1: при проектном финансировании чем крупнее проект, тем выше уровень долговой нагрузки.

Кроме размера компании исследователи вопроса структуры капитала в качестве традиционных детерминант обычно выделяют долю внеоборотных активов в совокупных активах, возможности роста и доходность совокупного капитала компании.

В данном исследовании, как Раджан и Зингалес [30], необходимо ограничить себя показателями, которые можно включить в модель благодаря наличию о них данных. Детали сделок проектного финансирования и показателей проекта, как правило, конфиденциальны. Ввиду специфики подобных сделок аналитикам важна информация об участниках проектного финансирования: их количество и статус (к примеру, есть ли государственное участие), распределение финансирования между спонсорами и кредиторами.

Анализом влияния подобных факторов в теории структуры капитала фирмы занимается агентская концепция. Агентские факторы впервые были введены в модель структуры капитала фирмы в работе Майерса [27]. Ключевое положение агентской концепции состоит в том, что собственники фирмы не прибегают к заемным средствам, пока имеют возможность использовать свои. Проектное финансирование отличает как раз ограниченность в собственных средствах спонсоров. Для реализации крупномасштабных проектов спонсоры обычно не располагают таким большим объемом собственных средств и поэтому используют заемные. Между тем, проектное финансирование - высокорисковое мероприятие, и проект может иметь 100-процентное заемное финансирование. В таком случае акцент переходит с ограниченности средств спонсоров на специфику способа финансирования в виде контрактных взаимоотношений между участниками сделки.

Тем не менее, проектное финансирование в любом из его вариантов сходится с еще одним положением агентской концепции - собственники прибегают к выпуску акций только после того, как иссякли все виды заемного финансирования. Привлечение дополнительных средств в уставный капитал является наименее приемлемым вариантом для менеджмента компании, предпочтительнее для них заемный капитал.

Проектное финансирование выделяется среди других способов финансирования проекта количеством участников. Сложная контрактная структура повышает транзакционные издержки проекта, но снижает риски, распределяя их между участниками. Проектные компании обычно имеют от 1 до 7 спонсоров, аналогичная ситуация с кредиторами. М. Дженсен и В. Меклинг [23] в своей работе ввели понятие агентских издержек внешнего собственного капитала (от инвесторов не являющихся менеджментом в компании) и агентских издержек внешнего заемного капитала. Привлечение заемных средств они интерпретировали как дисциплинирующий фактор, снижающий агентские издержки.

Так как участники проектного финансирования наряду с размером проекта напрямую выражают специфику проектного финансирования было решено также включить в анализ данные по количеству спонсоров и кредиторов проекта и выявить имеют ли они влияние на уровень долга проектной компании.

Также в ситуации проектного финансирования отдельным агентским детерминантом можно выделить участие государства в сделке.

Участие государства в сделке значительно снижает риски проектного финансирования для других участников, что позволяет проектной компании взять на себя больший объем долговых обязательств, чем без участия государства. Поэтому выдвигается следующая гипотеза:

H2: при проектном финансировании государственное участие в сделке приводит к увеличению уровня долговой нагрузки.

Поведенческая концепция структуры капитала фирмы является сравнительно молодым направлением исследования этой темы. В данной концепции допускается нерациональное поведение экономических агентов. Широко распространена теория информационных каскадов, которая заключается в том, что экономические агенты путем копирования действий других участников рынка формируют некое стадное поведение без рационального анализа их мотивов. Так, фирмы могут копировать уровень долговой нагрузки лидера в отрасли, регионе, перенять наиболее часто используемую методику формирования структуры капитала. Ряд исследований подтверждает то, что компании выбирают уровень долговой нагрузки с учетом среднеотраслевых показателей [21, 25].

Сделки проектного финансирования наиболее распространены лишь в ряде отраслей, прежде всего ввиду масштаба и капиталоемкости таких проектов. Основные отрасли - это телекоммуникации, возобновляемые источники энергии, энергетика, социальный сектор и оборонная промышленность, транспорт, нефтегазовый сектор, добыча полезных ископаемых, очистка воды.

Проектное финансирование используется во всем мире, но каждый регион имеет свои особенности в плане регулирования деятельности проектной, деятельности банковской, характера проектов и другие. Географически все проекты можно разделить, взяв за основу классификацию Всемирного банка [57] и дополнив ее рядом стран, по 8 регионам: Африка, Европа и Центральная Азия, Латинская Америка и страны Карибского бассейна, Ближний Восток и Северная Африка, Северная Америка, Восточная Азия и Тихий океан, Южная Азия, Австралия и Океания.

Исходя из поведенческой концепции структуры капитала медианный уровень долговой нагрузки по региону или отрасли оказывает влияние на выбор компанией структуры капитала.

Поэтому третья и четвертая гипотезы исследования такие:

H3: при проектном финансировании уровень долговой нагрузки выше у компаний тех отраслей, в которых выше медианный уровень долговой нагрузки,

H4: при проектном финансировании уровень долговой нагрузки выше у компаний тех регионов, в которых выше медианный уровень долговой нагрузки.

2.2 Характеристика выборки и переменных

Источником выборки стал Infrastructure Journal and Project Finance Magazine [53] - онлайн-ресурс, который содержит самую крупную базу сделок проектного финансирования. После исключения сделок, по которым отсутствует необходимая информация, итоговая база стала составлять 8070 сделок проектного финансирования с 2001 по 2015 год.

Данная база содержит в себе следующую информацию:

1) название сделки,

2) доля заемных средств,

3) доля собственных средств,

4) стоимость проекта,

5) спонсоры проекта,

6) кредиторы проекта,

7) наличие ГЧП,

8) страна сделки,

9) отрасль,

10) год.

Показатель, влияние на который различных факторов мы будем анализировать, - это доля заемных средств (иначе уровень долговой нагрузки - зависимая переменная Debt Ratio). 39% выборки (3163 сделки) - это сделки со 100-% заемными средствами. Ввиду высокой асимметрии выборки данные сделки были исключены и проанализированы отдельно.

В таблице 7 представлена описательная статистика итоговой выборки.

Таблица 7.

Описательная статистика выборки.

Среднее	74,75832
Стандартная ошибка	0,236287
Медиана	77
Мода	75
Стандартное отклонение	15,34409
Минимум	5
Максимум	99
Коэффициент вариации	0,20
Количество наблюдений	4217

Коэффициент вариации меньше значения 0,30, поэтому выборку можно считать однородной.

Для целей исследования по аналогии с работой Ниворожкина [29] на основе информации о спонсорах и кредиторах проекта были сформированы независимые дамми-переменные:

1) Sponsor23, которая принимает значение 1, если спонсоров два или три, 0 иначе;

2) Sponsor4, которая принимает значение 1, если спонсоров более четырех, 0 иначе;

3) Creditor23, которая принимает значение 1, если спонсоров два или три, 0 иначе;

4) Creditor4, которая принимает значение 1, если спонсоров более четырех, 0 иначе.

Существует еще два возможных показателя - это наличие одного спонсора проекта или одного кредитора. В регрессионную модель данные переменные не вводились для предотвращения мультиколлинеарности - базовым вариантом принят тот, в котором проект имеет 1 спонсора, 1 кредитора.

Ввиду большого количества стран в выборке было решено сформировать кластеры по регионам и использовать следующие дамми-переменные:

А) AFR = 1, если регион проекта Африка, 0 иначе;

Б) AUS = 1, если регион проекта Австралия и Океания, 0 иначе;

В) EAP = 1, если регион проекта Восточная Азия и Тихий океан, 0 иначе;

Г) EUR = 1, если регион проекта Европа и Центральная Азия, 0 иначе;

Д) LAT = 1, если регион проекта Латинская Америка и страны Карибского бассейна, 0 иначе;

E) MID = 1, если регион проекта Ближний Восток и Северная Африка, 0 иначе;

З) SAS = 1, если регион проекта Южная Азия, 0 иначе.

Базовым вариантом был принят показатель по Северной Америке - AMER, так как по региональной структуре он не выделяется по выборке.

Аналогично были сформированы дамми-переменные по отраслям проектов, базовым показателем стала энергетика - POWER:

1) TELECOM = 1, если отрасль проекта Телекоммуникации, 0 иначе;

2) RENEW = 1, если отрасль проекта Возобновляемые источники энергии, 0 иначе;

3) SOCIAL = 1, если проект относится к Социальному сектору и оборонной промышленности, 0 иначе

4) TRANSPORT = 1, если отрасль проекта Транспортная, 0 иначе;

5) OILGAS = 1, если отрасль проекта Нефтегазовая, 0 иначе;

6) MINING = 1, если проект относится к Добыче ископаемых, 0 иначе;

7) WATER = 1, если проект относится к Очистке воды, 0 иначе.

Кроме того, по ряду сделок содержится информация о нескольких регионах или нескольких отраслях, к которым относится сделка. Поэтому к регионам и отраслям были добавлены значения - «Международный проект» и «Межотраслевой проект» и, соответственно, дамми-переменные MULTI = 1, если проект международный, 0 иначе; MIXED = 1, если проект межотраслевой, 0 иначе.

В приложениях 1 и 2 представлена статистика по регионам и отраслям соответственно.

Общая стоимость проектов составляет 2078,076 млрд. долл. Большинство проектов (45%) были реализованы в Европе и Центральной Азии.

Большинство сделок проектного финансирования сосредоточены в нефтегазовом секторе и Европе и Центральной Азии. В целом структура сделок в общем похожа на структуру сделок со 100% заемными средствами.

Рис. 2. Стоимость проектов по отраслям (все проекты).



.

Рис.3. Стоимость проектов по регионам (все проекты).

Рис. 4. Стоимость проектов по отраслям (100% заемные средства)

Рис. 5. Стоимость проектов по регионам (100% заемные средства).



Сделки проектного финансирования со 100% заемными средствами в формате ГЧП составляют лишь 0,6% от общего числа сделок ГЧП.

Средний размер проекта составляет 427,67 млн. долл., при этом минимальная стоимость проекта 0,58 млн. долл. и максимальная 20000 млн. долл.

На рисунке 5 представлена диаграмма рассеяния проектов по годам. Видно, что с течением времени появляется все большее количество сделок проектного финансирования крупного масштаба. Это свидетельствует о повышении популярности данного способа финансирования проекта и вере участников рынка в его надежность.

Рис.6. Диаграмма рассеяния проектов по годам (стоимость/год).

В таблице 8 содержатся медианные значения уровня долговой нагрузки по регионам и отраслям. Лидерами среди регионов и отраслей являются Европа и Центральная Азия и социальный сектор и оборонная промышленность - отрасли, в которых очень велико значение государства.



Таблица 8.

Медианные значения уровня долговой нагрузки.

Африка	73	Добыча ископаемых	77
Австралия и Океания	73	Межотраслевой проект	72
Восточная Азия и Тихий океан	75	Нефтегазовый сектор	70
Европа и Центральная Азия	82	Энергетика	75
Латинская Америка и страны Карибского бассейна	71	Возобновляемая энергетика	78
Ближний Восток и Северная Африка	74,5	Социальный сектор и оборонная промышленность	90
Международные проекты	77,5	Телекоммуникации	65
Северная Америка	75	Транспорт	75
Южная Азия	71	Очистка воды	80

2.3 Метод исследования

В данном исследовании для проведения статистического анализа данных также как и в большинстве исследований данной темы был выбран регрессионный анализ. Регрессионный анализ позволяет моделировать взаимосвязь одной зависимой переменной от одной или нескольких других. Независимые переменные называются факторами, регрессорами или предикторами. В общем случае регрессионную модель можно записать следующим образом: y = f(x1, x2, …, xn), где y - зависимая переменная (отклик), xi (i = 1,…, n) - предикторы (факторы), n - число предикторов.

Регрессия, которая содержит больше одной независимой переменной, называется множественной и позволяет определить влияние отдельных предикторов на зависимую переменную и лучше понять природу взаимосвязи. Регрессионный анализ раскрывает причинно-следственную связь между переменными и позволяет сформулировать содержательные выводы относительно прогнозных значений зависимой переменной при тех или иных заданных значениях регрессоров.

Наличие большого числа наблюдений также позволит получить более точные данные анализа и исключить лишние регрессоры.

В основе модели данной работы была положена модель, представленная Равшаном и Зингалесом, которые исследовали факторы, влияющие на структуру капитала фирмы в работе «What Do We Know about Capital Structure? Some Evidence from International Data» [30]. Эта модель статическая, а зависимая переменная объясняется рядом предикторов.

Для проверки первых двух гипотез использована следующая регрессионная модель (модель №1):

DebtRatio (Project i) = в1LnSizei + в2PPP i + в3Sponsor23 i + в4Sponsor4 i + в5Creditor23 i +в6Creditor4 i +еi, , где

DebtRatio (Projecti) - уровень долга по проекту i,

LnSizei - натуральный логарифм стоимости проекта i, отражающий размер проекта,

PPPi - дамми-переменная, принимающая значение 1, если в проекте i имеет место ГЧП, 0 иначе,

Sponsor23i - дамми-переменная, принимающая значение 1, если спонсоров проекта i два или три, 0 иначе;

Sponsor4i - дамми-переменная, принимающая значение 1, если спонсоров проекта i больше четырех, 0 иначе;

Creditor23i - дамми-переменная, принимающая значение 1, если кредиторов проекта i два или три, 0 иначе;

Creditor4i - дамми-переменная, принимающая значение 1, если кредиторов проекта i больше четырех, 0 иначе;

е i - ошибки модели регрессии,

в1, . . . , в4 - параметры или коэффициенты в модели регрессии, i - номер наблюдения.

В уравнении регрессии константа равняется нулю, так как в ситуации проектного финансирования нет какого-то определенного стартового значения уровня долга, от которого бы можно было отталкиваться, изменяя значение независимых переменных. Коэффициенты в при дамми-переменных показывают, на сколько изменится уровень долга по отношению к базовому варианту (1 спонсор и 1 кредитор).

Для проверки третьей и четвертой гипотезы были составлены следующие уравнения регрессии (модель №2 и модель №3 соответственно):

DebtRatio(Projecti) = в1LnSizei + в2AFRi+ в3AUSi + в4 EAPi+ в5EURi+ в6LATi + в7MIDi+в8SASi+ в9MULTIi+ еi и

DebtRatio(Projecti) = в1LnSizei + в2TELECOMi + в3RENEWi + в4 SOCIALi+ в5TRANSPORTi+ в6OILGASi+ в7MININGi+ в8WATERi+ еi.

2.4 Анализ полученных данных

В таблицах 9 и 10 представлены результаты регрессионного анализа по первой модели.

Таблица 9.

Результаты регрессионного анализа первой модели (часть 1).

	Бета-коэф.	Станд.ошиб. бета	B-коэф.	Станд. ошиб. B	t(4211)	p-уровн
LnSize	0,936043	0,011048	13,1012	0,154638	84,7218	0,000000
PPP	0,103345	0,006164	13,6979	0,817070	16,7647	0,000000
Sponsor23	0,029945	0,006841	3,6110	0,824910	4,3774	0,000012
Sponsor4	-0,028518	0,005914	-5,8584	1,214876	-4,8222	0,000001
Creditor23	0,014446	0,006959	1,9751	0,951346	2,0761	0,037949
Creditor4	-0,098142	0,008140	-12,5124	1,037810	-12,0566	0,000000

Таблица 10.

Результаты регрессионного анализа первой модели (часть 2).

R2	0,902360
Скоррект. R2	0,902227
F(6,4211) p<0,0000	6486,7
N	4217
Стандартн.ош.оценки	23,863

В моделях, в которых отсутствует свободная константа, коэффициент детерминации R2 не может быть интерпретирован также как в обычной модели множественной регрессии. В таком случае R2 показывает долю объясненной изменчивости показателя относительно начала координат. В нашей модели независимые переменные на 90% объясняют отклонение уровня долга от 0. Кроме того, все предикторы являются значимыми. Для дополнительной проверки модели был рассчитан критерий Дарбина-Уотсона, который указывает на наличие автокорреляции остатков. Данный критерий равен 0,91, что является приемлемым показателем, учитывая количество наблюдений, равно 4217.

Положительное значение коэффициентов при регрессорах LnSize и PPP указывают на положительное влияние данных предикторов на результирующую переменную - уровень долга. Таким образом, чем выше стоимость проекта, тем выше его уровень долга. Аналогично, при наличии государственно-частного партнерства компания привлекает большее количество заемных средств, чем в случае его отсутствия. Таким образом, гипотезы H1 и H2 не отклонены.

По данным результатам можно сделать еще один вывод - чем больше участников участвует в сделке (будь то кредиторы или спонсоры), тем меньше компания привлекает заемных средств. Действительно, чем больше таких «прямых» заинтересованных сторон, тем выше транзакционные издержки и выше информационная ассиметрия. В такой ситуации компании не выгодно еще больше увеличивать свои затраты на обслуживания долга.

В таблице 11-14 представлены результаты тестирования третьей и четвертой гипотез.



Таблица 11.

Результаты регрессионного анализа второй модели (часть 1).

	Бета-коэф.	Станд.ош. бета	B-коэф.	Станд.ош. B	t(4211)	p-уровн
LnSize	0,632837	0,009061	8,85741	0,12681	69,84557	0,000000
SAS	0,087548	0,005053	21,50654	1,24117	17,32771	0,000000
EAP	0,107208	0,004931	27,84815	1,28089	21,74117	0,000000
EUR	0,319644	0,006877	36,23727	0,77963	46,48004	0,000000
AFR	0,049413	0,004530	19,86287	1,82087	10,90843	0,000000
MULTI	0,008032	0,004205	19,90341	10,42071	1,90999	0,056203
MID	0,043017	0,004797	15,07457	1,68113	8,96694	0,000000
LAT	0,082105	0,005058	20,37062	1,25495	16,23227	0,000000
AUS	0,055132	0,004620	20,30881	1,70168	11,93459	0,000000

Таблица 12.

Результаты регрессионного анализа второй модели (часть 2).

R2	0,92594659
Скоррект. R2	0,92578821
F(9,4208) p<0,0000	5846,2
N	4217
Стандартн.ош.оценки	20,79

Таблица 13.

Результаты регрессионного анализа третьей модели (часть 1).

	Бета-коэф.	Станд.ош.бета	B-коэф.	Станд.ош. B	t(4211)	p-уровн
LnSize	0,659551	0,008707	9,23132	0,121869	75,74782	0,000000
Telecom	0,011338	0,004135	6,86490	2,503751	2,74185	0,006135
Renew	0,252466	0,005907	32,61128	0,762992	42,74131	0,000000
Social	0,220630	0,005076	39,76702	0,914984	43,46200	0,000000
Transp	0,089405	0,005417	17,50064	1,060287	16,50557	0,000000
Oilgas	0,043118	0,005013	10,83438	1,259543	8,60183	0,000000
Mining	0,031076	0,004408	10,86303	1,540746	7,05050	0,000000
Mixed	0,022892	0,004028	20,37611	3,585431	5,68303	0,000000
Water	0,063991	0,004168	29,70219	1,934731	15,35210	0,000000



Таблица 14.

Результаты регрессионного анализа третьей модели (часть 2).

R2	0,934211
Скоррект. R2	0,93406986
F(9,4208) p<0,0000	6639,3
N	4217
Стандартн.ош.оценки	19,596

«Поведенческое» направление анализа дало аналогичный результат в отношении положительного влияния размера проекта на уровень заемных средств - в обеих моделях коэффициенты LnSize положительны и значимы.

Статистика Дарбина-Уотсона составляет 0,92 и 0,84 соответственно, что также является приемлемыми значениями для такого большого количества наблюдений. В региональной модели была выявлена одна незначимая переменная - международный характер проекта. Это может быть объяснено условностью деления стран по регионам, ведь часто одним проектом занимаются участники близлежащих друг к другу стран, которые по классификации Всемирного банка относятся уже к различным регионам, а также небольшим количеством проектом такого типа. При пересчете модели без данного предиктора значения практически не изменились.

Наибольшее значение уровня долга наблюдается у проектов в Европе и Центральной Азии и проектов социального сектора и оборонной промышленности, что дает нам основание не отклонять выдвинутые гипотезы H3 и H4.

2.5 Выводы и ограничения исследования

Итак, в анализе сделок проектного финансирования могут быть использованы детерминанты различных концепций структуры капитала. При этом, необходимо выбирать те, которые отражают специфику данного способа финансирования проектов: высокая стоимость проектов, наличие большого количества участников, популярность по отраслям и регионам. Тем не менее существует сложность в поиске некоторой информации по проектам - структуры активов, доходности и других. Конфиденциальность подобного рода сделок осложняет проведение анализа по многих традиционным детерминантам структуры капитала (за исключением размера).

Большое количество наблюдений и однородность выборки дают основание полагать результаты исследования достоверными.

Все четыре гипотезы не были отвергнуты.

По результатам исследования можно сделать вывод, что чем выше стоимость проекта, тем выше уровень заемных средств в структуре капитала. Действительно, в условиях большого размера проекта инвесторам сложно найти достаточное количество собственных средств на реализацию проекта. Кроме того, масштабные проекты, как правило, детально проработаны, имеют высокое социальное и/или коммерческое значение, что является привлекательным для заимодавцев.

Участие государства в проекте также приводит к увеличению доли заемных средств в структуре капитала проектной компании. Ввиду того, что проектное финансирование - высокорисковая форма финансирования проекта, государственная поддержка в виде участия в капитале или государственных гарантий существенно снижает риски проекта. Поэтому такой проект может рассчитывать на больший объем заемных средств. Это подтверждает и то, что наибольшее медианное значение уровня заемных средств (90%) наблюдается в проектах социальной сферы и оборонной промышленности, то есть в сферах, контролируемых государством.

Рынок проектного финансирования - это рынок не открытый, а построенный на контрактах, содержащих конфиденциальную информацию. Крупные игроки рынка (кредиторы и консультанты, специализирующиеся на подобного рода сделках) в отличие от других игроков имеют наработанную за годы практики базу знаний. При этом даже в пределах одной компании частные аспекты сделок могут быть недоступны широкому кругу лиц. Поэтому поведенческий аспект при выборе структуры капитала проектной компании очень важен. По результатам исследования выявлено, что компании действительно ориентируются на медианные значения уровня долговой нагрузки проектных компаний в отрасли и регионе.

Глава 3. Практические рекомендации по выбору проектной компанией структуры финансирования

3.1 Основные факторы при принятии решения о структуре капитала проектной компании

Каждый проект является уникальным, а проекты структурного проектного финансирования являются к тому же еще и очень сложными ввиду масштаба, количества участников и структуры капитала, которая оказывает влияние на принятие решений в проекте. Многообразие контрактных отношений, опутывающих проект, делает возможным ситуацию высокой доли заемных средств в структуре капитала из-за распределения рисков между участниками, и в то же время приводит к невозможности создания универсальной схемы определения структуры капитала проектной компании.

Конфиденциальность сделок проектного финансирования, как уже было сказано ранее, является ограничением для исследований этой области. Однако отсутствие полной информации является преградой не только для исследователей, но и непосредственных участников рынка. В связи с этим представляется целесообразным использование поведенческого подхода к определению структуры капитала проектной компании.

Для того, чтобы инвесторам определить структуру капитала проектной компании, необходимо проработать несколько основных вопросов по проекту:

1) размер проекта,

2) наличие собственных средств,

3) участие государства,

4) отрасль,

5) регион,

6) наличие контрактных отношений с контрагентами.

Таблица 15.

Факторы, влияющие на уровень долговой нагрузки.

Фактор	Статистические данные по сделкам проектного финансирования	Влияние на уровень долговой нагрузки
Размер проекта	Средний размер проекта 427,67 млн.долл. Размах от 0,58 млн. долл. до 20 000 млн. долл.	Чем крупнее проект, тем выше уровень долговой нагрузки
Наличие собственных средств	Медиана 23% без учета сделок со 100% заемных средств, Медиана 6% с учетом сделок со 100% заемных средств	Собственные средства дороже заемных, поэтому при их наличии инвестор должен определить, какую сумму он готов вложить в проект. Если же собственных средств мало, то необходим больший объем заемных средств
Участие государства	33% проектов с государственным участием	Государственное участие увеличивает уровень долговой нагрузки
Отрасль	Основные отрасли: Возобновляемые источники энергии, телекоммуникации, социальный сектор, транспортная, нефтегазовая, добыча ископаемых, очистка воды. Наиболее высокий уровень долговой нагрузки: - социальный сектор и оборонная промышленность: 90%, - очистка воды: 80%, - возобновляемые источники энергии: 78%. Наименьший уровень долговой нагрузки: - телекоммуникации (65%).	Уровень долговой нагрузки выше у компаний тех отраслей, в которых выше медианный уровень долговой нагрузки.
Регион	Наибольший уровень долговой нагрузки: - Европа и Центральная Азия: 82%, - Северная Америка - 75%, - Восточная Азия и Тихий океан - 75%. Наименьший уровень долговой нагрузки: - Южная Азия - 71%.	Уровень долговой нагрузки выше у компаний тех регионов, в которых выше медианный уровень долговой нагрузки.
Наличие контрактных отношений с контрагентами		См. таблицы 3,4 и 5. Распределение рисков путем заключения контрактов с контрагентами повышает надежность проекта для заимодавца. Среди прочих особенно выделяются соглашения, снижающие риск выручки

Основная задача инвесторов при проектном финансировании - увеличить предсказуемость денежного потока для заимодавцев. Высокая неопределенность приводит к тому к требованиям большей доли собственных средств в структуре капитала компании. Проверка due diligence проводится заимодавцем для получения более полной информации о проекте и глубокого понимания управления рисками проекта.

3.2 Перспективы развития проектного финансирования в России

Проектное финансирование достаточно хорошо развито в западных странах. В России проектным финансированием занимается небольшое количество кредитных организаций, которые чаще всего выбирают наиболее выгодные проекты для инвестирования [40, с.45].

Однако в условиях ухудшения внешнеполитической и экономической обстановки (снижения притока иностранных инвестиций, увеличения объема задолженности по ссудам и займам, полученным от нерезидентов и др.) реакцией на увеличение суверенных рисков и снижение возможностей использования традиционных источников финансирования стал рост сделок проектного финансирования. Так, за I квартал 2014 года объем таких сделок по сравнению с тем же периодом 2013 года вырос на 342,7% и составил 3,47 млрд. долл. [43, с.29]. Стоит учитывать, что данная статистика показывает ситуацию на рынке проектного финансирования до вступления в силу изменений в законодательстве РФ, которые позволят использовать методы проектного финансирования не только в зарубежной юрисдикции, но и в российском правовом поле.

Традиционно в литературе по поводу факторов, препятствующих развитию проектного финансирования в России, выделялись несовершенство законодательства и отсутствие государственного стимулирования.

Основными нормативными актами, которые регулируют область проектного финансирования в России, являются Гражданский кодекс РФ, Федеральные законы №102-ФЗ «Об ипотеке (залоге недвижимости)», № 208-ФЗ «Об акционерных обществах», №115-ФЗ «О концессионном соглашении», №14-ФЗ «Об обществах с ограниченной ответственностью» и ряд других.

В конце 2013 года был подписан Федеральный закон от 21.12.2013 №379-ФЗ «О внесении изменений в отдельные законодательные акты РФ». Этим законом было введена глава 3.1. в Федеральный закон №39-ФЗ «О рынке ценных бумаг» под названием «Специализированное общество». Таким образом, в российском законодательстве появился аспект правового регулирования сделок проектного финансирования и секьюритизации (ранее в законодательстве выделялся только один вид компании специального назначения - это ипотечный агент) в части особенностей создания, реорганизации и ликвидации специализированного общества проектного финансирования (СОПФ). Этот закон был воспринят профессиональным сообществом как «революционный» для российского финансового рынка [56] и вступил в силу 1 июля 2014 года.

Законом урегулирован такой метод структурированного финансирования как выпуск облигаций под залогом денежных требований, которые возникнут в результате реализации долгосрочного инвестиционного проекта. Срок инвестиционного проекта должен быть не менее трех лет. По аналогии с ипотечным агентом СОПФ освобождается от налогообложения доходов/расходов, связанных с уставной деятельностью [49]. Правоприменительная практика реализации этих изменений в настоящее время еще формируется [50].

В конце 2014 года Правительством была утверждена Программа поддержки инвестиционных проектов, реализуемых на территории Российской Федерации на основе проектного финансирования. Основная цель Программы - это «создание механизма поддержки инвестиционных проектов, реализуемых на территории Российской Федерации на основе проектного финансирования, способствующего увеличению объемов кредитования организаций реального сектора экономики на долгосрочных и льготных условиях» [4]. Согласно Программе валютой кредитов является российский рубль, уполномоченными банками могут быть российские кредитные организации и международные финансовые организации, соответствующие определенным критериям отбора, а процентная ставка по кредиту не должна превышать уровень ключевой ставки Центрального банка России плюс 1 процент годовых. Также по таким кредитам возможно предоставление государственных гарантии РФ.

Среди ключевых критериев отбора инвестиционных проектов можно выделить:

1) Расположение на территории Российской Федерации,

2) Полная стоимость должна быть не менее 1 млрд. рублей и не более 20 млрд. рублей,

3) Долг не должен превышать 80% полной стоимости инвестиционного проекта.

Для того чтобы попасть в Программу, проект должен пройти несколько ступеней отбора по разным ведомствам: от уполномоченного банка до Центрального банка.

Согласно требованиям к уполномоченному банку такими банками могут стать лишь 10 российских кредитных организаций, собственные средства которых выше 100 млрд. рублей (см. рисунок 7) [54]. Среди них больше половины банков с государственным участием.



Рис.7. 10 крупнейших банков по собственному капиталу.

Такая ситуация может расцениваться двояко. С одной стороны Программу можно назвать скорее «Программой поддержки банков» [55]. С другой - расценить как толчок к развитию проектного финансирования в России, начало которому положат крупнейшие банки страны. Встает вопрос: не логичнее бы было привлечь к Программе не просто крупнейшие банки, а те, которые имеют опытные подразделения проектного финансирования с квалифицированными сотрудниками, а координацию работ в рамках предложенной модели финансирования возложить на учреждение, имеющее большой опыт работы с инвестиционными проектами - Внешэкономбанк, а не Минэкономразвития [39, с.66]?

В целом можно сказать, что утверждение Программы стало ярким примером государственного стимулирования проектного финансирования в стране как в развитии этих услуг в банках, так и в возможности получения доступа к финансовым ресурсам частного бизнеса. Доработку положений Программы будет необходимо производить уже в ходе практического применения с помощью рабочей группы специалистов в вопросах структурирования сделок и управления рисками. По состоянию на май 2016 года в Программе участвует 42 проекта. Средняя величина кредита составляет 5608 млн.руб., при этом минимальное значение кредита - это 800 млн.руб., а максимальное - 15976 млн. руб. Распределение проектов среди кредитных организаций следующее: Банк ВТБ - 10 проектов, Россельхозбанк - 8 проектов, Сбербанк России - 12 проектов, Альфа-банк - 1 проект, Газпромбанк - 7 проектов, Банк ФК Открытие - 2 проекта, Внешэкономбанк - 2 проекта. В основном это проекты транспортной, телекоммуникационной отрасли и сельского хозяйства.

На перспективы развития проектного финансирования в России также указывает наличие мощной ресурсной базы и масштабы страны. Россия имеет огромную потребность в инфраструктурных проектах, инвестиционных проектах топливно-энергетических и промышленных комплексов.

К факторам, которые препятствуют развитию проектного финансирования в России, можно отнести следующие:

1) состояние банковского сектора (чрезмерное количество банков, их низкая капитализация по сравнению с иностранными [36, с.8]),

2) высокие темпы инфляции и экономическая нестабильность,

3) высокие политические риски (в том числе на уровне органов муниципальной власти),

4) неразвитость ранка корпоративных облигаций,

5) ограниченное число опытных банков, предоставляющих проектное финансирование.

В России существует положительный опыт использования механизмов финансового рынка для долгосрочного проектного финансирования, однако он больше представляется в виде отдельных примеров, а не системы. Так, в котировальных списках А1 и А2 «Московской Биржи» находятся облигации концессионера шести эмитентов на сумму 60,7 млрд. руб. В ломбардном списке Центрального Банка значатся облигации концессионера трех эмитентов [50].

Итак, в России проектное финансирование менее развито, чем в западных странах. Неразвитость финансового рынка, специфика банковской отрасли, высокие политические и макроэкономические риски - все это препятствует развитию данного способа финансирования в нашей стране. Тем не менее, государство начало принимать меры по стимулированию данного способа финансирования путем законодательного урегулирования аспектов проектного финансирования и введения Программы поддержки инвестиционных проектов, реализуемых на территории Российской Федерации на основе проектного финансирования.



Заключение

В настоящем исследовании было сформулировано определение проектного финансирования: «Проектное финансирование - это способ привлечения финансирования для проекта, предполагающий использование финансового инжиниринга и создание компании специального назначения, при котором заимодавцы участвуют в распределении рисков проекта, предоставляют капитал в условиях отсутствия или ограниченных гарантий и ориентируются на будущий денежный поток этого проекта в качестве источника обслуживания долга».

Проектное финансирование отличается высокими рисками, которые распределяются между множеством участников этого процесса: инвестором, заимодавцем, поставщиками и подрядчиками, страховыми компаниями, покупателями, государством. Управление рисками должно быть комплексным и базироваться на принципе: «владелец риска - тот, кто способен управлять им наилучшим образом».

Структура капитала проектной компании предполагает высокую долю заемных средств. Уровень долговой нагрузки зависит от ряда факторов: размер проекта, наличие государственного участия, отрасль и регион проекта, количество участников, наличие контрактных соглашений с контрагентами и других.

В данной работе был произведен анализ базы сделок проектного финансирования, включающей в себя 8070 сделок, выявлен средний размер проекта, структура сделок проектного финансирования по отраслям, по регионам, количеству инвесторов и кредиторов, количество сделок с участием государства.

Кроме того, в ходе исследования влияния факторов на структуру капитала проектной компании состоялась проверка четырех гипотез. Все они были не отвергнуты, а именно:

H1: при проектном финансировании чем крупнее проект, тем выше уровень долговой нагрузки,

H2: при проектном финансировании государственное участие в сделке приводит к увеличению уровня долговой нагрузки,

H3: при проектном финансировании уровень долговой нагрузки выше у компаний тех отраслей, в которых выше медианный уровень долговой нагрузки,

H4: при проектном финансировании уровень долговой нагрузки выше у компаний тех регионов, в которых выше медианный уровень долговой нагрузки.

Использование этих закономерностей при определении структуры капитала проектной компании в сочетании с мероприятиями по управлению рисками проекта в части подписания контрактных соглашений с контрагентами может помочь инвесторам во взаимоотношениях с заимодавцами в условиях недостатка информации о практике сделок проектного финансирования в России и мире.

Несмотря на ухудшение инвестиционного климата в связи с введением санкций и снижение притока иностранных инвестиций, реальный сектор в Российской Федерации все еще имеет огромную потребность в инвестиционных проектах. Внутреннее проектное финансирование имеет большой потенциал развития в нашей стране, но для этого оно нуждается в государственном стимулировании. Первый шаг на пути уже сделан - это утверждение Программы поддержки инвестиционных проектов, реализуемых на территории Российской Федерации на основе проектного финансирования. Масштабы страны, состояние промышленных комплексов, потребности в инфраструктурных и социальных проектах - все это подтверждает необходимость реализации крупных инвестиционных проектов, во многих из которых напрямую заинтересовано и государство.



Список использованной литературы

I. Нормативно-правовые акты

1. Налоговый кодекс Российской Федерации (часть вторая) от 05.08.2000 № 117-ФЗ (ред. от 06.04.2015),

2. Федеральный закон от 21.12.2-13 №379-ФЗ «О внесении изменений в отдельные законодательные акты РФ»,

3. Концепция долгосрочного социально-экономического развития Российской Федерации на период до 2020 года (Утверждена распоряжением Правительства Российской Федерации от 17 ноября 2008 г. N 1662-р),

4. Постановление Правительства Российской Федерации от 11 октября 2014 года №1044 «Об утверждении Программы поддержки инвестиционных проектов, реализуемых на территории Российской Федерации на основе проектного финансирования»,

5. Методические рекомендации по оценке эффективности инвестиционного проекта (третья редакция). Авторский коллектив академических институтов, 2004. - 221 с.

II. Монографии и коллективные научные труды.

6. Finnerty, John D.. Wiley Finance : Project Financing : Asset-Based Financial Engineering (3rd Edition). Oxford, GBR: John Wiley & Sons, 2013. 476 pp.

7. Nevitt Peter K. Project Financing. Fifth edition. Published by Euromoney, London, 1989, 405 pp.

8. S. Gatti. Project Finance in Theory and Practice, Second Edition: Designing, Structuring, and Financing Private and Public Projects (2nd Edition). Academic Press, USA, 2007. 414 pp.

9. Йескомб Э.Р. Принципы проектного финансирования. - М.: Вершина, 2008. - 448 с.

10. Никонова И.А. Проектный анализ и проектное финансирование - М.: Альпина Паблишер, 2012. - 154 с.

11. Рудык Н.Б. Структура капитала корпораций: теория и практика. - М.: Дело, 2004. - 272 с.

III. Статьи из периодических изданий.

12. Benjamin C. Esty. Why Study Large Projects? An Introduction to Research on Project Finance, European Financial Management, 10 (2), 2004, pp. 213-24

13. Beck T., Demirgьз-Kunt A., Maksimovic V. Financing patterns around the world: Are small firms different? Journal of Financial Economics, 89, 2008, pp.467-487

14. Brealey R., I. Cooper, A. Habib. Investment appraisal in the public sector, Oxford Review of Economic Policy, Vol.13, No.4, 1997, pp.12-28

15. Byoun S., Z. Xu. Contracts, Governance, and Country Risk in Project Finance: Theory and Evidence, Journal of Corporate Finance, Vol.26, 2014, pp. 124-144

16. Chakraborty I. Capital Structure in an Emerging Stock Market: The Case of India // Research in International Business and Finance, 2010, 24(3), pp. 295-314;

17. C. Contreras. Value for money: to what extent does discount rate matter, Revista de Economia Aplicada, Vol. 22, No. 66, 2014, pp. 93-112

18. Corielli F., A. Steffanoni, S. Gatti. Risk Shifting Through Nonfinancial Contracts: Effects on Loan Spreads and Capital Structure of Project Finance Deals, Journal of Money Credit and Banking, Vol. 42, No. 7, October 2010, pp. 1295-1320.

19. DeAngelo H., Masulis R. Optimal Capital Structure under Corporate and Personal Taxation. Journal of Financial Economics, 1980, 8, pp.3-29 Kim, 1982;

20. Dinesh D. Banani. International Arbitration and Project Finance in Developing Countries: Blurring the Public/Private Distinction, Boston College International and Comparative Law Review, Vol. 26, Issue 2, 2003, pp.355-384.

21. Frank, M. Z. and V. K. Goyal, Capital Structure Decisions: Which Factors are Reliably Important? Financial Management, 2009, 38, 1-37;

22. Frank M.Z., Goyal V.K. Trade-Off and Pecking Order Theories of Debt. Handbook of Empirical Corporate Finance, Volume 2 Edited by B. Espen Eckbo, 2008, p.135-202;

23. Jensen M.C., Meckling W., Theory of the Firm: Managerial Behavior, Agency Costs, and Capital Structure. Journal of Financial Economic, 1976, 3, pp.305-360

24. Harris M., Raviv A. The Theory of Capital Structure. The Journal of Finance. Vol. 46, No.1, (Mar. 1991), pp. 297-355;

25. Hovakimian A., Opler T., Titman S. The Debt-Equity Choice. The Journal of Financial and Quantitative Analysis, Vol.36, № 1, 2001, pp.1-2;

26. Myers S.C., Majluf N.S. Corporate Financing And Investment Decisions When Firms Have Information That Investors Do Not Have. Journal of Financial Economics, 1984, 13, pp.187-221;

27. Myers, S. The Capital Structure Puzzle. Journal of Finance, 1984, 39, pp. 575-592;

28. Modigliani F., Miller M.H. The Cost of Capital, Corporation Finance, and the Theory of Investment. American Economic Review, 1958, 48, pp. 261-297;

29. Nivorozhkin E. Financing choices of firms in EU accession countries. Emerging Markets Review, 6, 2005, pp.138-169

30. Rajan R., Zingales L. What do we know about capital structure? Some evidence from international data. Journal of Finance, 1995, 50, pp. 1421--1460

31. Salman Shah, Anjan V. Thakor. Optimal capital structure and project financing, Journal of Economic Theory, 08/1987, 42(2), pp. 209-243.

32. Wiwattanakantang Y. An empirical study on the determinants of the capital structure of Thai firms. Pacific-Basin Finance Journal, 1999, 7, pp. 371-403;

33. Wu Shen-fa, Wei Xiao-ping. The rule and method of risk allocation in project finance, Procedia Earth and Planetary Science, Vol.1, Issue 1, 2009, pp. 1757-1763

34. Аналитический обзор инструментов и моделей финансирования проектов по созданию логистической инфраструктуры / В.В. Клименко // Логистика сегодня - 2014. - № 06(66). - С. 330-342.

35. Идентификация и анализ рисков в системе проектного финансирования / Л. В. Давыдова, И. В. Ильин // Дайджест-Финансы - 2011. - №10 (202). - С. 12 - 22.

36. Консолидация в банковском секторе России: современное состояние и перспективы / Л.В. Давыдова, В.В. Гордина // Дайджест финансов. - 2011. - №6 (198). - С.7-12.

37. Опыт зарубежных банков в проектном финансировании / В.С. Пилякина // Современная экономика: проблемы и решения - 2010. - №5. - С. 68-78.

38. Проектное финансирование в нефтяной и газовой промышленности / А.Е. Голованова, Н.А. Евсикова // Проблемы экономики, финансов и управления производством - 2014. - № 35. - С. 65-70.

39. Проектное финансирование в России: новые стимулы развития / А.Л. Смирнов, И.И. Родионов // Банковское дело. - 2015. - №3. - С. 65-69

40. Проектное финансирование как инвестиционный инструмент преодоления финансового кризиса / Е.В. Малинина // Дайджест-финансы. - 2009. - №11 (179). - С.44-46.

41. Работа на заемном капитале. Оптимум долговой нагрузки компании: от теоретических концепций к практическим модельным основаниям (часть 1) / Т. В. Теплова // Управление корпоративными финансами - 2013. - № 04(58). - С. 248-259.

42. Риски проектного финансирования и их минимизация / О.Г. Саляева, Г.П. Иваненко // Аудит и финансовый анализ - 2009. - №1. - С. 1-4.

43. Роль проектного финансирования в формировании инвестиционной привлекательности экономики России / Л.В. Давыдова, И.В. Ильин // Финансы и кредит. - 2014. - №48(624). - С. 25-33.

44. Технический аудит и строительный сюрвей как инструменты управления рисками проектного финансирования / И.В. Вишневская // Управление финансовыми рисками - 2013. - № 01(33). - С.74-77.

45. Финансирование инвестиционных проектов промышленных предприятий / Д.И. Антонов // Управление корпоративными финансами. - 2005. - №03 (9). - С. 48-52.

46. Эмпирические корпоративные финансы и капитальная структура компании / А.В. Лукашов // Управление корпоративными финансами - 2004. - № 03. - С.28-45

IV. Информационные материалы.

47. EU Disclosure Requirements for Structured Finance Instruments, Jones Day Publication, October 2014, pp. 1-4.

48. The Equator Principles Assosiation. Equator Principles, June 2013 - PP. 1-23.

49. Информационный бюллетень «Закон о секьюритизации» / Ernst & Young/ - 20 декабря 2013. - C.1-7. URL: http://www.ey.com/Publication/vwLUAssets/EY-Tax-Alert-20-December-2013-Rus/$FILE/EY-Tax-Alert-20-December-2013-Rus.pdf

50. Информационные материалы конференции «Проектные облигации: перспективы развития рынка в России» 26.03.15. URL: http://moex.com/e9063

51. Как обеспечить успех ГЧП в России. Обзор за 2012 год / Ernst& Young, c.1-18

52. Присвоение кредитных рейтингов сделкам проектного финансирования / Standard & Poor's, 2015.

V. Ресурсы в сети Интернет.

53. Infrastructure Journal and Project Finance Magazine https://ijglobal.com//

54. ИНТЕРФАКС-100. Банки России. Основные показатели деятельности (тыс. рублей) - 1 кв. 2016 г. URL:http://www.finmarket.ru/database/rankings/

55. Заживут на 2% - сайт газеты «Ведомости». URL:http://www.vedomosti.ru/finance/articles/2014/10/16/zazhivut-na-2

56. Опубликован Закон о секьюритизации, вносящий кардинальные изменения в действующее правовое поле на финансовом рынке URL: http://cbonds.ru/news/item/694655

57. Официальный сайт Всемирного банка http://www.worldbank.org/ru/country

58. Рейтинг инвестиционной привлекательности российских регионов в 2014 году. Сайт «Эксперт РА». URL: http://www.raexpert.ru/project/regcongress/2014/ranking/#graf2

59. Сайт ««Государственно-частное партнерство в России» URL: http://www.pppinrussia.ru/main/ppp_in_russia/glossary/block/letter/%D0%93

Приложение 1. Статистика проектных сделок по регионам

Регион	Совокупная стоимость проектов, млн. долл.	Количество проектов по признакам	Общее количество проектов	% от общего количества
		Количество спонсоров	Количество кредиторов	Количество проектов ГЧП
		1	2-3	4 и больше	1	2-3	4 и больше
Африка	66035,15	49	65	38	40	60	52	20	152	4%
Австралия и Океания	140091,61	88	67	26	62	55	64	60	181	4%
Восточная Азия и Тихий Океан	179235,98	146	160	58	70	97	197	117	364	9%
Европа и Центральная Азия	648299,78	851	747	313	843	652	416	808	1911	45%
Латинская Америка и страны Карибского бассейна	187634,29	187	175	37	89	145	165	101	399	9%
Ближний Восток и Северная Африка	285486,15	48	108	44	30	41	129	34	200	5%
Международные проекты	2030	2	1	1	1	2	1	0	4	0%
Северная Америка	354089,04	308	245	46	175	188	236	115	599	14%
Южная Азия	215174,64	267	121	19	82	74	251	143	407	10%
Общий итог	2078076,64	1946	1689	582	1392	1314	1511	1398	4217	100%
% от общего числа проектов		46%	40%	14%	33%	31%	36%	33%



Приложение 2. Статистика сделок проектного финансирования по отраслям

Регион	Совокупная стоимость проектов, млн. долл.	Количество проектов по признакам	Общее количество проектов	% от общего количества
		Количество спонсоров	Количество кредиторов	Количество проектов ГЧП
		1	2-3	4 и больше	1	2-3	4 и больше
Добыча ископаемых	125984,17	134	57	10	57	58	86	2	201	5%
Межотраслевой проект	23846,03	7	15	9	9	12	10	23	31	1%
Нефтегазовый сектор	517153,3	153	180	56	57	90	242	3	389	9%
Энергетика	418012,59	258	230	58	99	122	325	28	546	13%
Возобновляемая энергетика	286835,4	918	483	71	638	502	332	24	1472	35%
Социальный сектор и оборонная промышленность	153460,3	219	366	171	381	274	101	704	756	18%
Телекоммуникации	56787,23	34	20	13	13	13	41	11	67	2%
Транспорт	457234,29	181	289	171	107	198	336	522	641	15%
Очистка воды	38763,33	42	49	23	31	45	38	81	114	3%
Общий итог	2078076,64	1946	1689	582	1392	1314	1511	1398	4217	100%
% от общего числа проектов		46%	40%	14%	33%	31%	36%	33%



Приложение 3. Статистика по сделкам проектного финансирования со 100% заемного капитала по регионам

Регион	Совокупная стоимость проектов, млн. долл.	Количество проектов по признакам	Общее количество проектов	% от общего количества
		Количество спонсоров	Количество кредиторов	Количество проектов ГЧП
		1	2-3	4 и больше	1	2-3	4 и больше
Африка	34829,15	66	34	10	44	28	38	0	110	3%
Австралия и Океания	131909,98	169	94	41	88	89	127	0	304	10%
Восточная Азия и Тихий океан	106771,05	221	102	18	96	115	130	4	341	11%
Европа и Центральная Азия	282765,38	775	220	46	500	295	246	5	1041	33%
Латинская Америка и страны Карибского бассейна	103414,78	209	84	20	103	112	98	0	313	10%
Ближний Восток и Северная Африка	94417,02	52	68	15	26	40	69	0	135	4%
Международные проекты	17969,46	11	3	1	4	6	5	0	15	0%
Северная Америка	251809,13	576	151	17	296	251	197	0	744	23%
Южная Азия	61971,57	143	31	4	44	50	84	0	178	6%
Общий итог	1085857,52	2222	787	172	1201	986	994	9	3181	100%
% от общего числа проектов		70%	25%	5%	38%	31%	31%	0%



Приложение 4. Статистика по сделкам проектного финансирования со 100% заемного капитала по отраслям

Регион	Совокупная стоимость проектов, млн. долл.	Количество проектов по признакам	Общее количество проектов	% от общего количества
		Количество спонсоров

Подобные документы

• Оптимизация структуры капитала

  Основные цели и задачи оптимизации структуры капитала организации. Теория Модильяни-Миллера. Традиционный и компромиссный подход к структуре капитала. Определение стоимости основных источников финансирования. Средневзвешенная стоимость капитала.
  
  курсовая работа [40,7 K], добавлен 10.09.2011
  

• Выбор источников финансирования деятельности компании

  Описание внутренних и внешних источников финансирования компании, особенности государственного финансирования. Анализ структуры капитала фирмы для выбора источника финансирования. Финансовые потоки и оптимизация структуры капитала ЗАО "ТД Си Эль Парфюм".
  
  дипломная работа [1,6 M], добавлен 26.06.2014
  

• Оптимизация источников финансирования капитала предприятия

  Источники финансирования предприятия. Понятие собственного и заемного капитала. Методы и факторы оптимизации источников финансирования. Расчёт и анализ структуры капитала и прибыли. Краткосрочный привлечённый капитал. Управление структурой капитала.
  
  курсовая работа [554,0 K], добавлен 03.12.2014
  

• Выбор структуры капитала

  Понятие и теоретические аспекты структуры капитала компании. Основные показатели и теории формирования структуры капитала. Компромисс между налоговым щитом и издержками финансовой хрупкости. Выбор показателей структуры капитала и его детерминантов.
  
  курсовая работа [61,8 K], добавлен 30.09.2016
  

• Оптимальная структура капитала

  Изучение состава, структуры капитала конкретного предприятия, рассмотрение различных подходов к определению оптимальной структуры капитала. Расчет соотношения собственного и заемного капитала, а также оптимальной структуры капитала данного предприятия.
  
  курсовая работа [85,6 K], добавлен 23.12.2012
  

• Разработка рациональной структуры капитала предприятия

  Сущность структуры капитала, концепции управления им. Методология расчета совокупного капитала. Анализ состава, структуры и коэффициентов собственного и заемного капитала ЗАО "Стирол Пак", основные направления повышения эффективности их использования.
  
  курсовая работа [72,5 K], добавлен 08.09.2010
  

• Эффективное использование проектного финансирования в российской экономике

  Организационные формы и ключевые методы проектного финансирования. Распределение и управление его рисками. Основные особенности проектного финансирования по сравнению с традиционным банковским кредитованием. Финансирование с полным регрессом на заемщика.
  
  дипломная работа [170,9 K], добавлен 22.07.2017
  

• Влияние интересов ключевых нефинансовых стейкхолдеров на выбор структуры капитала компании

  Обоснование выбора структуры капитала компании. Значимость нефинансовых стейкхолдеров в корпоративных финансах. Каким образом интересы нефинансовых стейкхолдеров влияют на структуру капитала. Влияние поведенческих факторов на финансовые решения фирмы.
  
  курсовая работа [84,0 K], добавлен 10.09.2016
  

• Анализ и оптимизация состава и структуры источников финансирования активов

  Источники формирования и расширения собственного капитала. Управление уровнем капитала и его ростом. Основные финансовые пропорции в управлении капиталом. Анализ ликвидности и финансовой устойчивости, обеспеченности активов источниками финансирования.
  
  дипломная работа [744,0 K], добавлен 21.04.2011
  

• Детерминанты структуры капитала компаний на развивающихся рынках капитала

  Теории, предписывающие поведение факторов, определяющих структуру капитала. Исследование детерминант структуры капитала российских компаний на разных стадиях жизненного цикла. Выбор спецификации модели, описывающей влияние факторов на структуру капитала.
  
  дипломная работа [1,2 M], добавлен 19.09.2016
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам