Многофакторная модель выбора методики оценки бизнеса с учетом анализа экономических выгод и рисков

В условиях структурной трансформации корпоративных финансов, обусловленной усилением макроэкономической волатильности, институциональной неоднородности рынков и ускоренной цифровизацией экономических процессов, проблема выбора адекватной методики оценки бизнеса приобретает не только прикладное, но и фундаментальное методологическое значение. Современная архитектура формирования стоимости компаний характеризуется возрастающей ролью нематериальных активов, усложнением структуры денежных потоков и нелинейностью риск-профилей, что приводит к снижению объяснительной и прогностической способности традиционных оценочных моделей. В наибольшей степени данное противоречие проявляется в сфере сделок слияний и поглощений (M&A), где наблюдается устойчивая дивергенция между расчетной и реализованной стоимостью бизнеса.

Наряду с этим в последние годы процедура оценки бизнеса заметно усложнилась. Причины ле- жат не только в плоскости рыночных диспропорций. Всё большую роль начинают играть поведенческие факторы, и именно они нередко затрудняют интерпретацию получаемых результатов. В связи с этим оценка всё чаще отражает не столько фундаментальные характеристики, сколько ожидания участников рынка. Показательно, что в ряде случаев именно завышенные оценки активов становятся отправной точкой трансграничных сделок. Формально это выглядит как рациональное решение, однако на практике приводит к асимметрии распределения выгод между сторонами [4]. Иными словами, сама логика сделок частично смещается в сторону субъективных представлений о стоимости. Не менее значимым оказывается влияние институциональной среды. Судебные риски, а также агентские противоречия между участниками процесса оценки не просто вносят погрешности – они формируют устойчивые отклонения от фундаментально обоснованных значений [5]. В этом смысле речь идёт уже не о частных искажениях, а о системной проблеме. На этом фоне всё отчётливее проявляются ограничения традиционных инструментов. В частности, модель CAPM, несмотря на её широкое распространение, на практике демонстрирует более слабую зависимость «риск – доходность», чем это предполагается теоретически. Эмпирические данные не всегда подтверждают заложенные в неё предпосылки, что делает её применение менее универсальным, чем принято считать [6].

Кардинально пересматривается и подход к диверсификации; если раньше всё сводилось к мысли об «идеальной» диверсификации инвестора, то сегодня становится ясно, что это не отражает реального положения дел. Более современные подходы учитывают структуру портфелей, наделяя модели показателями, фиксирующими эффект именно от их неоднородности [7]. Однако соответствующие параметры часто так и не интегрируются в практике оценки, что оставляет открытыми вопросы по методологии.

На этом фоне всё острее встает проблема учета нематериальных активов. Исследования показывают, что чем активнее компания генерирует нематериальные ценности, тем лучше ее финансовые результаты [8]. Однако традиционная финансовая отчётность в недостаточной степени отражает подобные активы, что требует привлечения рыночной информации и дополнительных нефинансовых индикаторов [9]. В результате возникает необходимость расширения используемого инструментария оценки за пределы стандартных процедур, ориентированных преимущественно на материальные компоненты.

На методическом уровне по-прежнему сохраняется проблема вариативности исходных параметров моделей. Прежде всего речь идёт о разбросе показателей капитализации; в ряде случаев он оказывается настолько существенным, что заметно расширяет диапазон итоговых оценок и тем самым снижает их сопоставимость [10]. Это, в свою очередь, ставит под вопрос целесообразность использования фиксированных параметров без учёта контекста. Даже при достаточно строгой проверке исходных данных полностью устранить неопределённость, как показывает практика, не удаётся. В этом смысле обращение к вероятностно-статистическим методам выглядит не столько альтернативой, сколько вынужденным шагом. Они позволяют оценивать не только само значение стоимости, но и то, насколько можно доверять полученному результату, что представляется не менее важным.

Показателен в этом отношении подход, предложенный М.И. Лисицей [11], – использование многофакторных регрессионных моделей в рамках сравнительного подхода, что действительно повышает надёжность оценки собственного капитала. Однако здесь возникает и обратная сторона – всё определяется качеством отбора факторов, и универсального решения, по сути, не существует. Практическая реализация подобных моделей оказывается достаточно трудоёмкой. Каждая компания требует отдельной настройки, иногда с пересборкой самой логики модели. Это усложняет процедуру оценки, но одновременно делает её более чувствительной к реальным характеристикам объекта. В результате появляется возможность уйти от усреднённых ориентиров, которые часто используются по инерции, и получить оценку, в большей степени отражающую конкретную ситуацию.

В своих дальнейших исследованиях М.И. Лисица выявляет теоретически пригодную для совершения сделки купли-продажи предприятия цену, понимаемую в качестве денежной суммы, запрашиваемой продавцом и/или предлагаемой покупателем, а также уплачиваемой им в результате совершенной либо предполагаемой сделки купли-продажи с объектом оценки. Для этого автором изучен перечень работ. В одной дается обзор всех подходов к оценке стоимости бизнеса, в том числе отмечается актуальность разработки мультипликаторов, названных «отраслевыми коэффициентами», однако дополнительные предложения и/или решения по данной проблеме отсутствуют. В другой работе по умолчанию признается случайный характер стоимости объекта оценки, а для решения проблемы предлагается оценивать стоимость бизнеса посредством опирающейся на статистический шум модели опционного ценообразования. Однако здесь не дается обоснования уровня доверия (надёжности) при определении параметров, рассчитываемых вне модели оценки опционов на покупку (call-опционов).

Попытки структурировать разнообразие объектов оценки привели к активному внедрению методов иерархической кластеризации [12]. Они позволяют не только группировать активы по ряду параметров, но и выявлять скрытые связи между ними. Результат удобно визуализировать, например, в виде дендрограмм. Использование агломеративных и ди-визивных алгоритмов даёт возможность выделять однородные группы и тем самым корректнее применять сравнительные методы оценки [13]. Если учесть пространственные и эксплуатационные характеристики, становится возможным заметно сократить типичные ошибки оценки. Наконец, невозможно игнорировать влияние цифровых технологий. Нейросетевые модели, динамические корректирующие коэффициенты, алгоритмы экспресс-оценки – всё это позволяет ускорить расчёты, повысить точность и адаптировать оценку к быстро меняющимся условиям рынка [14]. Практически это означает, что современная оценка бизнеса – это не просто набор формул, а инструмент, способный интегрировать риск, стратегию и реальные данные в единый прогноз будущей стоимости.

Целью настоящего исследования является разработка многофакторной модели выбора методики оценки бизнеса на основе анализа экономических выгод и рисков.

Для достижения цели исследования автором были поставлены следующие частные задачи:

• •    разработать концептуальную архитектуру многофакторной модели выбора методики оценки бизнеса;

• •    формализовать алгоритм выбора оценочного инструментария на основе совокупности количественных и качественных параметров.

Материалы и методы

Материалы исследования включают труды отечественных и зарубежных ученых, посвящённые проблемам оценки стоимости бизнеса, управлению рисками, анализу сделок слияний и поглощений, а также раскрывающие особенности формирования стоимости в условиях неопределенности, искажения рыночной информации и трансформации структуры активов. В процессе исследования применялись методы системно-структурного анализа для выделения ключевых компонентов стоимости бизнеса и структурирования их роли в применимости методов оценки; математического моделирования для формализации весов компонентов и агрегированных показателей экономических выгод и рисков; кластеризации для выделения типовых профилей объектов и формирования мультиметодных комбинаций оценки и др. Такой комплекс методов обеспечивает воспроизводимость и количественную обоснованность процедуры выбора методики оценки бизнеса, а также возможность адаптации модели к различным типам сделок и уровням институциональной жёсткости.

Результаты исследования

Проведённый анализ позволил сформировать многофакторную модель выбора методики оценки бизнеса, основанную на принципе сопоставления структурных источников стоимости с параметрами применимости оценочных подходов. В отличие от существующих решений модель ориентирована не на выбор метода по умолчанию, а на выявление степени его релевантности через систему количественно формализованных критериев.

Базой модели выступает авторский концепт комплексной оценки стоимости бизнеса, трансформированный из инструмента определения стоимости в инструмент выбора методики её оценки (см. Таблицу 1).

Каждый компонент концепта из Таблицы 1 интерпретируется не только как источник формирования стоимости, но и как фактор дифференциации применимости методов оценки. Для формализации этой связи строится вектор структуры стоимости S = ( S ₁ , S ₂ , S ₃ , S ₄ , S ₅ , S ₆ , S ₇ ), на основе которого формируются веса:

Wi = —^ ---,                  (1)

x * = ° *

где w_i – вес i -го компонента структуры стоимости; S_i – значение i -го компонента; S_k – суммарная оценка всех компонентов структуры стоимости.

w_i отражает относительную значимость i -го компонента стоимости.

Такой способ задания весов обеспечивает их эндогенное формирование и исключает необходимость субъективного экспертного распределения значимости факторов.

На этой основе рассчитываются модифицированные показатели, которые оценивают применимость конкретного метода оценки с точки зрения выгод и рисков (см. Таблицу 2). Другими словами, показатели агрегируют информацию о структуре стоимости и переводят её в инструментальные метрики, пригодные для выбора метода.

В отличие от традиционных подходов, представленных в литературе, предложенные показатели не являются первичными статистическими метриками, а формируются как функции взаимодействия характеристик бизнеса и свойств метода оценки. Это позволяет устранить разрыв между оценкой бизнеса и выбором метода оценки, который присутствует в большинстве существующих работ. Так, коэффициент K _s снижает вклад тех компонентов стоимости, которые характеризуются высокой вариативностью σ _i , что позволяет избежать переоценки нестабильных факторов; λ и T _i определяют, как нестабильность компонентов σ _i и соответствие типу сделки влияют на взвешенный результат, а φ служит институциональной корректировкой и определяется на основе доли нерыночных ограничений, не учтённых другими показателями. Показатель I _s учитывает не просто чувствительность стоимости к изменениям исходных параметров – он одновременно отражает вероятность соответствующих сценариев γ _i . Это особенно важно, когда речь идет о моделировании неопределенности, поскольку не все «шоки» равнозначны, и их влияние должно взвешиваться с точки зрения вероятности.

Ещё один принципиальный момент связан с модификацией показателя K _ia . В данном случае учёт нематериальных активов перестаёт носить формальный характер и, по сути, выходит за рамки чисто бухгалтерской фиксации, переходя в плоскость реальной стоимостной оценки. Это важно, поскольку именно здесь чаще всего возникает разрыв между учтённым и действительно влияющим на стоимость. Введение коэффициента достоверности δ в этом контексте выглядит вполне обоснованным. Он не является условной величиной, напротив, его можно и целесообразно определять на основе конкретных признаков: наличия аудиторских заключений, лицензий, патентов, а также результатов независимых рыночных экспертиз. Иначе говоря, при наличии верификации оценка интеллектуального капитала перестаёт быть декларативной и начинает оказывать реальное влияние на итоговую стоимость.

Показатель институциональной адаптивности – это своеобразный «центр» представленной

Таблица 1

Структурная база многофакторной модели выбора методики оценки бизнеса

Компонент концепта	Ключевая функция в модели	Тип данных и инструменты	Роль в выборе метода	Экономическая выгода	Связанный риск
Финансовый уровень ( S 1 )	Формирование базовой стоимости	DCF, NAV, отчетность	Определяет применимость доходного и затратного подходов	Устойчивая оценка денежных потоков	Риск недооценки ликвидности
Стратегический потенциал ( S 2 )	Учет будущего роста	KPI, экспертные оценки	Усиливает значимость доходного подхода	Оптимизация инвестиционной стратегии	Риск переоценки инноваций
Кластерное влияние ( S 3)	Сетевые и отраслевые эффекты	Кластерный анализ, отраслевые метрики	Повышает релевантность сравнительного подхода	Выявление синергий и отраслевых эффектов	Риск ошибочной группировки активов
Нематериальные активы и опционная стоимость ( S 4 )	Учет скрытой и гибкой стоимости	MPEEM (MultiPeriod Excess Earnings Method), роялти, опционы, ИИ	Требует комбинированных методов	Максимизация интеллектуального капитала	Риск недооценки нематериальных активов
Адаптивное сценарное моделирование ( S 5)	Учет неопределенности	Монте-Карло, сценарии	Обосновывает применение вероятностных моделей	Снижение вероятности критических потерь	Риск сценарной недостоверности
Институциональный и поведенческий контур ( S 6)	Учет ограничений и искажений	Коэффициент q Тобина, поведенческий анализ	Ограничивает применимость методов	Минимизация юридических и регуляторных рисков	Риск неадекватной интерпретации ограничений
Параметры сделки и рыночной структуры ( S 7 )	Учет типа сделки и конфигурации рынка	Индексы концентрации, фрагментации, динамика средней сделки	Задает границы применимости методов	Повышение корректности выбора инструментария	Риск некорректной типологиза-ции сделки

Источник: составлено автором.

Таблица 2

Авторская система агрегированных показателей экономических выгод и рисков выбора методики оценки

Показатель	Связанные компоненты	Экономический смысл	Способ формирования	Формула и расшифровка	Тип
Коэффициент структурного соответствия K s	S 1 - S 6	Степень соответствия метода структуре стоимости бизнеса	Взвешенная корреляция компонентов стоимости и возможностей метода	6 K s - /     w i M i ( 1 - ^^ i - V T i ) , i - 1 где M i – способность метода учитывать компонент; σ i – вариативность (риск) компонента S i ; λ – коэффициент чувствительности к риску; T i – несоответствие типу сделки; p - институциональная корректировка	Выгода

Продолжение таблицы 2

Индекс чувствительно-сти к параметрам I s	S 1 - S 5	Зависимость результата оценки от вариации исходных данных	Средняя эластичность стоимости по ключевым параметрам	r V5 A V л Is =7   Wi Ay , s £-ii = 1 i V     i где Δ Vi – изменение стоимости при варьировании параметра i ; V i – базовое значение стоимости для компонента; γ i – коэффициент сценарной значимости (например, из Монте-Карло или экспертной шкалы)	Риск
Коэффициент покрытия нематериальных факторов K ia	S 4	Способность метода учитывать НМА и опционные эффекты	Доля учитываемых нематериальных драйверов стоимости	к ^VSL. ia Z V^ ° ’ где V IA – стоимость НМА (уч-тенная/общая); δ – коэффициент верифици-руемости (0-1)	Выгода
Индекс институциональной адаптивности I i	S 6	Соответствие метода условиям конкретной сделки	Экспертно-нормированная оценка ограничений применения	I / = ( 1 - J ) 9^ , где J – индекс институциональной жесткости; θ – коэффициент гибкости метода; ψ – соответствие рынку	Выгода/ риск
Коэффициент сценарной устойчивости K r	S 5	Стабильность результатов при изменении сценариев	Обратная величина дисперсии оценок по сценариям	К     E ( V ) K r Var ( V ) a ’ где E ( V ) - ожидаемое значение стоимости; Var ( V ) - дисперсия по сценариям; ω – вероятность базового сценария.	Выгода
Индекс модельной не-определённости I mu	S 1 - S 6	Внутренняя неопределенность метода	Агрегированная вариативность результатов при изменении допущений	° ( V ) С     1 V7 Im u~ x 1 + J + Ti ’ mu V ^       7 Z-H = 1 i J где ° ( V ) - стандартное отклонение стоимости; T i – несоответствие компонентам	Риск

Источник: составлено автором.

модели. В нем одновременно учитывается согласованность с условиями конкретной сделки (через индекс институциональной жёсткости J ), гибкость или ограничения подхода θ, а также его применимость на рынке ψ. Такая многослойность позволяет смотреть на оценку более приземлённо и не терять связь с реальностью конкретной ситуации.

Рассмотрим подробнее индекс институциональной жёсткости J , который нужен для того, чтобы понять, насколько сильно условия вне рынка – законодательство, государственное влияние, правила и договоры – могут повлиять на стоимость бизнеса, записав следующую его формулу:

J = a i R + a 2 G + а з C + a 4 K + a 5 M . (2)

Здесь у каждого фактора (R, G, C, K, M) свой вес, который показывает, насколько он важен. Вес обычно определяют по данным прошлого опыта или советуются с практиками. Главное, чтобы их сумма всегда была равна единице, иначе сравнивать между собой такие индексы не получится.

Значения переменных:

• •    R – насколько жёстко рынок регулируется (например, нужны специальные лицензии, есть ограничивающие законы и др.);

• •    G – насколько заметно присутствие государства в управлении или капитале;

• •    C – насколько сконцентрирован рынок: считается через стандартные индексы, вроде HHI или CR 4, которые показывают, сколько реально крупных игроков в отрасли;

• •    K – всё, что связано с условиями контрактов (ограничения на дивиденды, правила управления, особенности договоров);

• •    M – сколько на рынке было сравнительно похожих сделок, то есть насколько прозрачен оборот и легко ли понять адекватность цены.

Когда J близок к нулю, это значит, что на цену влияет, в основном, классика рынка: спрос, предло- жение и конкуренция. Чем выше J, тем большую роль начинают играть запреты, правила и госучастие. Если индекс почти единица, то можно считать, что цена выстраивается по правилам институциональной среды, а не под влиянием чистой рыночной конкуренции.

Кроме институциональных факторов отдельно учитывается, насколько устойчива сама оценка. Показатель K _r показывает, как сильно итог зависит от изменений входных параметров, насколько вероятен основной сценарий. Это важно, так как даже корректная на первый взгляд оценка теряет смысл, если она сразу «плывёт» при изменении исходных данных. Аналогично действует показатель I _mu , который отражает, насколько итоговая оценка зависит от выбранной методики. На практике это проявляется так: даже небольшие изменения исходных предположений могут привести к заметным колебаниям численных результатов, поэтому влияние этого фактора нельзя игнорировать.

Выбор метода в таких условиях строится на сравнении ожидаемых выгод и рисков. Формально это выражается через интегральный показатель эффективности как

E j = ^ ( w i B ij ) - ^ ( w i R ij ) , (3) где B _ij – показатели выгод (тот же коэффициент структурного соответствия K _s или покрытие нематериальных активов K _ia , далее по тексту ещё K _r , I _i , что, в общем, релевантно); R _{ij –} показатели рисков, преимущественно те, что связаны с чувствительностью I _s , неопределённостью методологии I _mu , плюс учёт обратной стороны I _i , если таковая есть; j – рассматриваемый подход оценки – доходный, сравнительный, затратный или сценарный.

Однако на практике интерпретация этого показателя не сводится к механическому выбору. Интегральная оценка позволяет увидеть относительные преимущества и недостатки каждого метода, но реальная значимость этих различий зависит от контекста: условий сделки, структуры стоимости, наличия нематериальных активов, специфики отрасли. Показатель выступает скорее инструментом ранжирования и анализа, чем окончательным критерием.

Указанные принципы обобщаются в матрице выбора методов оценки (см. Таблицу 3), где систематизирована допустимость различных подходов в зависимости от типа сделки и параметров институциональной среды.

Если попытаться обобщить вышесказанное, то пока рынок более-менее функционирует, никаких сюрпризов не будет – используются классический сравнительный и доходный подход. Они понятны, проверены и, что важно, дают результат, который можно объяснить. Но как только начинается турбулентность, всё становится менее однозначно. Напри- мер, при сильной концентрации или, наоборот, раздробленности рынка сопоставимость компаний превращается в проблему. Формально сравнительный подход остаётся, но по факту его приходится подстраивать, и тогда речь уже не о точности, а о том, чтобы не получить откровенно искажённый результат.

С exit-сделками ситуация вообще иная. Там оценка, по сути, следует за условиями сделки, а не за рынком. Поэтому логично, что на первый план выходят сценарии – не одна цифра, а несколько вариантов, завязанных на разные исходы. Если добавить государственное участие или внутригрупповые операции, рыночная логика начинает отходить на второй план. В первом случае она частично заменяется регуляторной, во втором – исчезает почти полностью, уступая место учетным задачам. Отсюда и разница в том, как воспринимается результат. Наконец, при высокой институциональной жесткости (когда J уходит за 70 %) обсуждать выбор метода в привычном смысле уже сложно. Здесь, скорее, вопрос в том, как вообще хотя бы как-то описать стоимость в условиях, когда рынок не работает. Отсюда неизбежный переход к сценариям и интервалам.

В итоге получается довольно простая, хотя и не всегда очевидная, вещь: метод не выбирается «сам по себе». Он всегда привязан к ситуации. Пока J невысок, можно опираться на рыночные инструменты. По мере его роста приходится от них отходить и переходить к более условным конструкциям. В этом смысле матрица полезна не столько как инструкция, что выбрать, сколько как напоминание, где выбранный метод перестаёт быть надежным.

Для обеспечения устойчивости результатов при анализе совокупности объектов и исключения эффекта индивидуальной вариативности применяется кластеризация, позволяющая перейти от единичных оценок к типовым профилям. Кластеризация проводится по вектору признаков X = ( S ₁ ,…, S ₆ , I _s , K _r , K _ia , J ). В качестве алгоритма применяется иерархическая кластеризация (метод Уорда) с евклидовым расстоянием, что позволяет минимизировать вну-трикластерную дисперсию и обеспечить интерпретируемость групп.

Результаты кластеризации представлены в Таблице 4.

Полученные кластеры можно интерпретировать как типовые режимы формирования стоимости, что позволяет перейти от индивидуального выбора метода к стандартизированным решениям.

На этой основе формируется система мульти-методных комбинаций (см. Таблицу 5).

Формально методы в таблице включаются через показатели выгод и рисков. Однако за этим стоит более приземленная вещь – сначала считаются базовые параметры с помощью привычных инструментов

Таблица 3

Выбор подходов к оценке с учетом характера сделки и институциональных условий

Тип сделки	В каких условиях происходит	Какие подходы уместны	Как их обычно используют	Как трактовать результат
Сделки между независимыми компаниями	Обычная рыночная ситуация: конкуренция есть, цена не зафиксирована и формируется в процессе торгов	Сравнительный, доходный	На практике чаще берут оба варианта и смотрят, какой «лучше ложится» на данные; многое упирается в доступность информации	Чаще всего получают одну итоговую величину, но затем проверяют, насколько она «держится» при изменении параметров
Сделки в условиях искаженного рынка	Рынок либо «пережат» крупными игроками, либо, наоборот, слишком раздроблен – из-за этого сопоставление компаний становится проблемным	Сравнительный	Применяют, но без автоматизма: мультипликаторы приходится корректировать почти вручную	Итог лучше не воспринимать как точку – разумнее задавать диапазон и прямо оговаривать ограничения
Выход инвестора (exit)	Параметры сделки, как правило, заданы заранее и не проверяются рынком постфактум	Сценарный, контрактный	Смысл смещается к разбору условий сделки: считается несколько вариантов, завязанных на разные сценарии выхода	Результат выглядит как «коридор», внутри которого лежат допустимые значения
Сделки с государственным участием	Существенная часть условий определяется не рынком, а регулятором	Затратный, сценарный	Оценка фактически подстраивается под нормативные рамки; пространство для маневра ограничено	Полученная величина ближе к нормативной оценке, чем к рыночной
Внутригрупповые сделки	Активы просто перераспределяются внутри одной структуры, внешнего рынка нет	Затратный	Используется скорее как инструмент учета: пересчет, баланс, внутренняя логика группы	Результат носит технический характер и не претендует на ры-ночность
Сделки в условиях ограничений	Внешняя среда нестабильна: санкции, разрывы связей, высокая неопределенность	Сценарный, контрактный	Считают не «точно», а «насколько устойчиво»: проверяют разные допущения и их последствия	Итог – несколько сценариев с разными значениями
Сильное регулирование, J > 70 %	Рыночный механизм фактически не работает, цена задается извне	Сценарный	По сути, это единственный рабочий инструмент в таких условиях	Результат возможен только в виде интервала, точечная оценка здесь мало что дает

Источник: составлено автором.

Таблица 4

Результаты кластеризации объектов оценки по многофакторному профилю

Кластер	Центроид (ключевые характеристики)	Доминирующие S i	Уровень J	Экономический профиль
C 1	Высокий S 1 , низкий I s , высокий K r	S 1 , S 2	Низкий	Стабильный бизнес
C 2	Высокий S 2 , S 4 , средний I s	S 2 , S 4	Средний	Рост и НМА
C 3	Высокий S 5 , высокий I s	S 5	Высокий	Неопределённость и риск

Источник: составлено автором.

Таблица 5

Варианты комбинирования методов оценки (с учетом весов и условий применения)

Кластер	Базовая модель	Вес	Дополняющие методы	Вес	Предпосылки	Описание процесса	Результат
C 1 (условно «спокойный» бизнес)	Доходный	( w 1 + w 2 )	Сравнительный	( w 3 + w 4 )	Рынок работает, риски не выбиваются из нормы ( K s высокий, I s и J низкие)	Сначала считается DCF, потом его просто сверяют с рынком	Точечная оценка с до-полнитель-ной проверкой чувствительности
C 2 (рост, нематериальные активы)	Доходный	( w 2 + w 4 )	Опционный (для НМА)	( w 4 )	Когда стоимость сильно завязана на знания, технологии, потенциал ( K ia заметен, важны S 2 , S 4 )	Добавляется метод опционов, чтобы уловить рост и гибкость	Чаще получается интервал, а не точка
	Сравнительный	( w 3 )	Доходный	( w 1 + w 2 )	Когда наблюдается нестабильность мультипликаторов и ограниченная сопоставимость компаний	Использование альтернативных баз оценки с последующим сопоставлением результатов	Не столько оценка, сколько диапазон с разбросом
C 3 (неопределенность, давление среды)	Сценарный	( w 5 )	Затратный	( w 1 + w 2 )	Высокие риски, нестабильная среда, ограничения извне ( I s и J высокие)	Сценарный анализ задает структуру оценки, затратный подход используется для определения нижней границы стоимости	В итоге получается вилка значений
	Сценарный	( w 5 )	Контрактный	( w 6 + w 7 )	Когда условия сделки сами по себе жесткие и сильно влияют на результат	Оценка фактически подстраивается под контракт	Несколько сценариев, завязанных на условиях сделки

Источник: составлено автором.

(DCF, NAV, имитации вроде Монте-Карло, отдельные метрики по нематериальным активам и др.), а уже потом принимается решение, какой подход уместен. То есть связь здесь обратная той, что часто описывается в учебниках. Не «выбрали метод → посчитали», а «посчитали разными способами → поняли, чему можно доверять → выбрали комбинацию».

Поэтому комбинации в таблице не стоит воспринимать как фиксированные. В кластере C1 всё относительно просто: бизнес предсказуемый, поэтому хватает базовых инструментов, и результат можно более-менее свести к одной величине. В C2 начинаются нюансы, особенно если существенную часть стоимости формируют нематериальные активы. Без добав- ления опционной логики оценка получается слишком плоской. C3 – это отдельная история. Когда среда нестабильна, вопрос точности отходит на второй план. Гораздо важнее понять границы, где условное дно, какие сценарии выглядят реалистично, как меняется результат при разных допущениях. Поэтому здесь и появляется комбинация сценарных, затратных и контрактных элементов.

В итоге все эти варианты напоминают последовательность шагов, когда каждый следующий зависит от того, что получилось на предыдущем. Собственно, в этом и есть смысл: не убрать субъективность полностью (это вряд ли возможно), а хотя бы зафиксировать, на каком этапе и из-за чего она возникает.

Обсуждение результатов исследования

Если рассматривать предложенную модель в развернутом виде, то она действительно выглядит как последовательность шагов. Но на практике эта последовательность воспринимается не столь линейно. Отправной точкой служит расчет институционального индекса J – он задает общий контекст, в котором вообще имеет смысл дальше работать. Затем формируется вектор структуры стоимости, который позволяет увидеть, за счет каких компонентов складывается итоговая величина. После этого появляется возможность перейти к оценочным методам, но не в формате их прямого выбора. Сначала для них рассчитываются показатели применимости, и именно здесь становится заметно, что не все методы ведут себя одинаково в заданных условиях: часть из них сразу оказывается менее релевантной, другие требуют дополнительных допущений.

Дальнейшее ранжирование по интегральному критерию, по сути, лишь фиксирует эту разницу. Последующая фильтрация через матрицу допустимости скорее отсекает явно неподходящие варианты, чем однозначно указывает на единственно верное решение. В результате набор методов сужается, но полностью неопределенность не исчезает. И это нормальная ситуация.

Отдельным этапом выступает кластеризация. Она вводится не столько для формального разбиения объектов, сколько для того, чтобы избежать постоянного «ручного» подбора комбинаций. Когда объекты группируются по сходным характеристикам, становится проще понять, какие сочетания методов в принципе дают сопоставимые результаты, а какие – нет. В этом смысле кластеризация работает как упрощение, но не как жесткое правило.

Если рассматривать всю процедуру в целом, то она действительно может быть формализована. Это открывает возможность ее переноса в BI-системы, где часть решений принимается автоматически. Однако говорить о полном устранении человеческого участия было бы излишне оптимистично: интерпретация результатов и на промежуточных, и на финальных этапах все равно остается за аналитиком.

Отдельного внимания заслуживает идея обратной связи. В базовом виде модель статична, но при накоплении наблюдений возникает возможность корректировать параметры, прежде всего весовые коэффициенты. Это можно представить в виде следующего соотношения:

w i ⁺ 1 = f ( w i , V fact - V mod el ) , (4)

где функция f ( ■ ) задает правило обновления весов, а разница между фактической и расчетной стоимостью выступает сигналом для корректировки.

Таким образом, научная новизна модели проявляется в автоматической генерации весов, интеграции институциональных ограничений, возможности гибко комбинировать подходы под разные кластеры и присутствии адаптивного механизма обратной связи. Всё это делает описание стоимости бизнеса более точным и релевантным конкретным ситуациям.

Выводы

Проведённое исследование показало, что реальная практика существенно сложнее формальных схем и формул. Формализация процесса действительно помогает – появляется структура, снижается риск пропустить важные моменты, становится проще сопоставлять решения. Однако даже при использовании единой модели результаты могут отличаться, поскольку многое определяется контекстом конкретной задачи.

В ходе исследования стало ясно, что универсального метода не существует. Необходимо учитывать особенности бизнеса, параметры сделки, уровень неопределённости. Например, в одних случаях доходный метод даёт наиболее полную оценку, в других требуется использовать затратный подход или опционные модели для корректного учёта нематериальных активов. Значимость данного исследования как раз в том, что оно показывает: выбор методов должен быть гибким, подстраиваться под условия, а иногда – пересматриваться по ходу работы. Механизм обратной связи проявил себя достаточно эффективно: накопление новых данных позволяет корректировать коэффициенты, уточнять параметры, тем самым сокращать расхождения между расчётной и фактической стоимостью. Это преимущество – возможность изменять модель постепенно, не нарушая её основ. В результате получен инструмент, сочетающий формализацию расчётов и элементы аналитического суждения. Полная автоматизация невозможна, так как во многих случаях требуется экспертная оценка. На практике оценщик вынужден не просто следовать пошаговой процедуре, а регулярно возвращаться к предыдущим этапам и пересматривать полученные выводы.

В целом такая модель минимизирует вероятность ошибок и повышает обоснованность результатов, однако не выступает в роли жёсткой инструкции. Её можно адаптировать и дорабатывать в зависимости от новых задач и накопленного опыта. Исследование подтверждает: основной ценностью модели является баланс между структурой и гибкостью, что позволяет более точно подходить к оценке в реальных условиях, а не только в теории.