Сочетание модели Ольсона и панельного анализа в качестве инструмента оценки влияния инноваций на стоимость компании

Задача оценки влияния инноваций актуальна как для менеджмента компании, который ставит целью своей деятельности максимизацию капитализации компании, так и для внешнего инвестора, который старается определить справедливую стоимость. Для работы первых важно понимание того, как рынок реагирует на отчетность, а для вторых - корректно спрогнозировать изменение цены в ответ на информацию, публикуемую в финансовой отчетности.

К текущему моменту времени накопились существенные массивы данных, которые дают возможность, используя эконометрические методы анализа данных, опосредовано учесть и оценить влияние инновационного фактора на стоимость компании через неявные взаимосвязи.

Для этих цели могут применяться регрессионные модели, в частности, хорошим потенциалом обладают модели анализа панельных данных. Выделяется три основных вида моделей: сквозные, с фиксированным и случайным эффектом. Наибольший интерес представляют две последние из них. Они позволяют учесть индивидуальные особенности для каждого i-го объекта совокупности в качестве уникальной константы или случайной величины соответственно.

Панельная структура данных предотвращает смещение агрегированности, из-за чего оценки лучше, чем во временных рядах или кросс-секциях. Благодаря им можно проследить индивидуальную эволюцию характеристик объекта во времени [1].

Панельные данные позволяют контролировать гетерогенность величин генеральной совокупности. Становится возможным наблюдение и оценивание социальных, культурных, политических факторов и различий, то есть панельные данные дополнительно рассматривают индивидуальную гетерогенность объектов (учитывают индивидуальные эффекты объектов). Еще одним несомненным преимуществом панельных данных является возможность включения показателей на разных уровнях анализа, которые подходят для многоуровневого моделирования [2].

Эконометрический анализ панельный данных в некотором смысле обладает чертами методов сравнительного подхода к оценке, поскольку позволяет учесть индивидуальные характеристики объектов и получить оценку, учитывающую эти особенности.

Важно учитывать то, что современные стандарты финансовой отчетности не отличаются полнотой информации об инновационной активности предприятий. Преимущественно в российской практике они представлены в «Затраты на исследования и разработки» и «НМА», которые легко могут быть собраны по каждому объекту совокупности. Поэтому использование нефинансовой отчетности компаний может привести к сильному уменьшению выборки или работе с неполной выборкой, что может существенно исказить результат.

Также для панелей важно определиться с функциональной зависимостью, которая повысит эффективность модели и позволит содержательно интерпретировать полученный результат оценивания, включая инновационную составляющую.

Хорошим вариантом выражения функциональной зависимости в панелях является гибридная модель Эдвардса-Белла-Ольсона (ЕВО). Эта модель объясняет капитализацию, используя в качестве регрессоров анормальную прибыль, балансовую стоимость и параметр некоторого «информационного шума» («другой» или «прочей» информации) [3]. В общем смысле его модель сводится к следующей линейной зависимости:

Pt = l)Vt + «,%" + «2^, где Pt - капитализация в момент времени t; bvt - балансовая стоимость компании в момент времени t; %“ - величина анормальный прибыли в момент времени t, которая определяется как разница между текущими прибылью компании и балансовой стоимостью; «1 - коэффициент, учитывающий параметр устойчивости анормальной прибыли и ставку дисконтирования; «2 - коэффициент, учитывающей параметр постоянства для «другой» информации и ставку дисконтирования; vt - переменная, характеризующие влияние «другой» информации.

Модель Ольсона обладает важным ограничением – необходимость оценки коэффициентов. Данную проблему позволяет решить панельное моделирование, которое дает наиболее удачные оценки коэффициентов, через тестирование спецификаций моделей с разными предположениями о характере индивидуальных эффектов.

Модель Ольсона является сравнительно молодой и не протестирована в достаточной степени. Показатель «другой» инфор- мация в моделях панельных данных может быть оценен в качестве нахождения фиксированного или случайного эффекта. В этом случае эффект будет обобщать влияние «другой» информации, включая влияние инноваций. Но исследователь может попробовать ввести в модель некоторую переменную, характеризирующею инновационную активность, и тогда можно будет получить оценку ее влияния на стоимость компании, скорректированную на влияние «другой» информации, не учитывающую в прямом смысле этот фактор. Для учета инноваций могут быть использованы затраты на НИОКР или НМА на балансе, после корректировки балансовой стоимости на их величину.

Уже есть примеры работ, которые демонстрируют разные взгляды на понимание природы «прочей информации» в моделях на панельных данных. В исследовании «A UK Test of an Inflation-Adjusted Ohlson Model», проведённое Gregory etc (2005) рассматривается разница между анормальной прибылью текущего года и прошлого [4]. В работе Easterday etc (2011) в качестве показателя взяли разницу между текущей прибылью и прогнозами аналитиков, но в качестве зависимой переменной выступает доходность акции (а не ее цена) [5]. Последний подход интересен в рамках данной статьи, поскольку прогнозы аналитиков могут в значительной степени учитывать влияние ожиданий от инноваций компании.

Однако еще существует широкий диапазон гипотез о сочетании факторов, которые целесообразно протестировать и сопоставить результаты с другими работами. Более того, результаты построения моделей, упомянутых ранее могут показать совсем другой результат в зависимости от совокупности объектов наблюдения (страна, отрасль, период).

Таким образом, в данной статье предложен перспективный инструмент оценки стоимости компании через эконометрическое моделирование на панельных данных по гибридной модели Эдвардса-Белла-Ольсона (ЕВО), которые позволяют учесть «неопределенность» инновационной деятельности через учет неявных взаимосвя- зей между исследуемыми компаниями. Такое сочетание позволяет скомпенсировать недостатки двух способов оценки. Для панельных данных удается обосновать связь параметров и избежать неточностей в интерпретации результатов. Для модели Ольсона появляется возможность найти коэффициенты релевантные для исследуемого рынка или отрасли. Более того, ис- раметр прочей информации в модели Оль-сона, который может быть учтен через случайный или индивидуальный эффект, являющиеся компонентом моделирования основанном на методе панельного анализа данных. Предложены НМА и затраты на НИКОР в качестве переменной «прочей информации», учитывающие влияние инноваций на стоимость компаний.

следователь может иначе рассмотреть па-