Управление стоимостью компании на основе денежных потоков

В современном корпоративном управлении достаточно прочно укоренились концепции и стратегии управления предприятием, в основе которых лежат показатели стоимости, а не прибыли. Концепция управления стоимостью компании (VBM - Value-Based Management) возникла в начале 80-х годов XX века как совместный продукт стратегического и финансового консалтинга.

Стратегии повышения корпоративной стоимости являются общепризнанными и применяются в управлении практически во всех развитых странах. Поэтому актуальной становится задача применения моделей VBM для финансового анализа российских компаний и продвижения этих принципиально новых подходов к финансовому анализу фирмы в России.

Управление, ориентированное на стоимость, больше соответствует рыночным условиям функционирования предприятия. Создание стоимости рассматривается как результат процесса инвестирования в те сферы и направления, в которых предприятие имеет рыночные конкурентные преимущества. Причем, важна не только качественная характеристика таких преимуществ, а применение количественного анализа в формулировании целей и задач развития предприятия. Поэтому в принятии инвестиционных решений необходимо руководствоваться стратегическими перспективами, оцененными на основе денежных потоков, по сравнению с тенденциями создания стоимости, которые существуют в отрасли. Это обеспечивает модель добавленной стоимости денежного потока (CVA – Cash Value Added), однако некоторые методологические недостатки, в частности по определению необходимого денежного потока, продолжительности периода расчетов не позволяют в полной мере использовать ее в управлении инвестициями. Их устранение позволит реализовать эффективное управление инвестиционной деятельностью в современных условиях.

Показатель добавленной денежной стоимости СVA, разработаннный в 1996г. шведскими финансовыми консультантами Е.Оттоссоном и Ф.Вайсенридером, выражает остаточные денежные потоки, генерируемые инвестициями в организацию. Отсюда, этот показатель часто определяется как остаточный денежный поток (RCF – Residual Cash Flow).

Концепцию, разработанную Е.Оттоссоном и Ф.Вайсенридером не следует путать с добавленной денежной стоимостью Бостонской Консалтинговой группы (The Boston Consulting Group's Cash Value Added). Добавленная денежная стоимость Бостонской Консалтинговой группы на самом деле является концепцией денежной рентабельности инвестиций (CFROI). Эти две модели не похожи своими принципами, то есть способами вычисления рентабельности и стоимость бизнеса, а также способами предоставления результатов. Хотя эти концепции и были названы с использованием одних и тех же трех слов, это их единственное сходство [1, с. 6].

Денежная добавленная стоимость является показателем производительности компании, которая рассматривает то, сколько денег компания генерирует в процессе своей операционной деятельности. Как правило, высокий показатель добавленной денежной стоимости выгоден как для компаний, так и для инвесторов, так как он демонстрирует способность компании генерировать денежные средства от одного финансового периода к другому, создавая ликвидные доходы.

Концепция CVA фокусируется на использовании четырех основных факторов, определяющих стоимость. Это стратегические инвестиции, период их экономической жизни, операционный денежный поток и затраты на капитал (формула 1) [2, с. 47]:

CVA = adjNOCF - WACC * IC, (1)

где:  adjNOCF – чистый денежный поток от операционной деятельности, очищенный от налогов;

IC – инвестиции в капитал;

WACC – средневзвешенные затраты на капитал.

При этом чистый денежный поток от операционной деятельности, очищенный от налогов рассчитывается следующим образом (рисунок 1):

+ Операционный денежный поток

+ Амортизация

+/- Изменение не денежного оборотного капитала

= Операционная прибыль

-   Налог на прибыль

=  Чистый денежный поток от операционной деятельности

Рисунок 1. Схема расчета операционного денежного потока

В отличие от экономической добавленной стоимости, которая в начале реализации инвестиционного проекта показывает отрицательное значение, а в его активной фазе может отражать завышенную эффективность, денежная добавленная стоимость в случае эффективно реализуемого проекта уже на начальной стадии демонстрирует положительную динамику и лишь незначительно завышает показатели [3, с. 48].

Факторы стоимости компании – некая переменная, от которой зависит результативность предприятия – являются опережающими индикаторами (в отличие от отсроченных финансовых индикаторов, отражающих прошлые результаты). Факторы стоимости могут быть количественными и качественными, материальными и нематериальными [4, с.1].

В нашем исследовании мы попытались выявить такие факторы, формирующие денежные потоки, которые в совокупности могут описать денежную добавленную стоимость посредством эконометрического анализа.

Нельзя однозначно утверждать о наличии и степени влияния внутренних факторов управления денежными потоками на показатель денежной добавленной стоимости. Это связано с тем, что денежные потоки пронизывает все процессы компании как система «финансового кровообращения» и крайне трудно выделить показатели, характеризующие эффективность управления денежными потоками. Способом подтвердить связь между показателями, выявить значимые для CVA факторы и сделать обоснованные выводы является формализация данной зависимости с применением экономико-математических методов моделирования.

В качестве эмпирической базы исследования были выбраны данные из консолидированной отчетности 50 представителей крупного бизнеса в России за период с 2011 по 2014 года (200 наблюдений) [5]. В целях улучшения качества исследования, данные компании представляют разные виды экономической деятельности. Среди выбранных такие крупнейшие компании, как ПАО «Мегафон», ОАО «АК Транснефть», а также некоторые крупнейшие хозяйствующие субъекты Республики Татарстан (ПАО «КАМАЗ», ПАО «Казаньоргсинтез»).

Наибольшую долю, в выборке составляют компании, занимающиеся нефтегазодобычей и нефтепереработкой. Данная особенность обусловлена ролью нашей страны, как сырьевого экспортера. Так же в нашей выборке значительна доля компаний электроэнергетики. Компании, занимающееся машиностроением заняли третье место по количеству данных в нашем исследовании. Не в столь значительном количестве в базу данных вошли компании занимающиеся торговлей, черной и цветной металлургией, химической промышленностью, связью, добычей драгоценных камней и металлов, воздушным транспортом, строительством, электрическими сетями, фармацевтикой, а также холдинги.

В рамках нашего исследования мы проверили гипотезу о наличии зависимости между внутренними факторами, влияющими на формирование денежных потоков в системе финансового менеджмента, и показателем СVA, а также гипотезу о характере связи между показателями.

В качестве зависимой переменной мы выбрали показатель CVA. В целях нашего исследования показатель CVA был приведен к относительному выражению путем деления на сумму инвестированного капитала CVA/IC.

В качестве независимых переменных для целей нашего исследования мы отобрали следующие факторы, влияющие на формирование денежных потоков организации:

• 1)    коэффициент оборачиваемости дебиторской задолженности;

• 2)    коэффициент оборачиваемости кредиторской задолженности;

• 3)    чистый денежный поток от операционной деятельности;

• 4)    средний остаток денежных средств;

• 5)    дивиденды;

• 6)    амортизационные отчисления;

• 7)    полученные денежные средства от продажи основных средств;

• 8)    уплаченные проценты по кредитам;

• 9)    налоговая нагрузка;

• 10)    коэффициент абсолютной ликвидности;

• 11)    коэффициент текущей платежеспособности.

Помимо внутренних факторов, для того, чтобы улучшить качество модели, мы использовали дополнительные независимые переменные:

• 1)    финансовый цикл;

• 2)    операционный рычаг;

• 3)    коэффициент маневренности собственных оборотных средств;

• 4)    коэффициент автономии.

Далее для подтверждения или опровержения данных гипотез, мы применили корреляционно-регрессионный анализ с помощью программного продукта Gretl.

Результаты первоначального применения метода наименьших квадратов (МНК) представлены на рисунке 2.

Модель 1:

Объединенный (pooled) МНК, использовано наблюдений - 200

Включено 50 пространственных объектов

Длина временного ряда = 4 Зависимая переменная: Y

Коэффициент Ст. ошибка t-статистика Р-значение

const	-0,502140      0,0625885	-8,023	1,18е-013	* * *
XI	0,00323374    0,00108537	2,979	0,0033	* * *
Х2 хз	7,68601е-06   0,000142659 0,0104954     0,00447599	0,05388 2,345	0,9571 0,0201	я я
Х4	-0,0310092     0,00712099	-4,355	2,21е-05	* * *
Х5	0,0114205     0,00395845	2,885	0,0044	* * *
Х6	0,0454990     0,00755231	6,025	9,04е-09	* * *
Х7	0,00991145    0,00370755	2 , 673	0,0082	* * *
Х8 хэ ХЮ	0,000771352   0,00531104 0,0313219     0,203395 0,0738954     0,0245051	0,1452 0,1540 3,016	0,8847 0,8778 0,0029	* * *
XII	-0,0596978     0,0207327	-2,879	0,0045	* * *
XI2 XI3 XI4	0,000101620   0,000115945 0,000230441   0,000192683 0,145106      0,0419073	0,8765 1,196 3,463	0,3819 0,2333 0,0007	* * *
XI5	0,286715      0,0596847	4,804	3,22е-06	* * *
Среднее зав.	перемен    0,025831 Ст. ।	откл. зав. перемег	1 0,120903
Сумма кв. остатков      1,417119 Ст.		ошибка модели	0,087760
R-квадрат               0,512830   Испр. R-квадрат F(15, 184)               12,91275   P-значение (F) Лог. правдоподобие      211,1814   Крит. Акаике			0,473115 1,04е-21 -390,3623
Крит. Шварца	-337,5897 Крит	. Хеннана-Куинна	-369,0064
Параметр rho	-0,060265 Стат	. Дарбина-Вотсона	1,597347

Рисунок 2. Первоначальная модель МНК

Незначимые для модели факторы отрицательно влияют на качество модели в целом. Поэтому мы исключили их из нашей модели.

На рисунке 3 представлена конечная модель, построенная классическим методом МНК. В нашей конечной модели, коэффициент детерминации составил 50,67%, а исправленный коэффициент – 48,06%. Согласно критерию Фишера модель является значимой, адекватной выборочным данным. Р-значение составляет 2,53e-24, что существенно ниже значения 0,05, то есть модель значима на однопроцентном уровне.

Модель 2:

Объединенный (pooled.) ИНК, использовано наблюдений - 200

Включено 50 пространственных объектов

Длина временного ряда = 4

Зависимая переменная: Y

Коэффициент Ст. ошибка t-статистика Р-значение

const	-0,473297	0,0541043	-8,748	1,19е-015	Й Й Й
XI	0,00334463   0,000897107		3,728	0,0003	й- й- й-
хз	0,0103948	0,00434327	2,393	0,0177	Й й"
Х4	-0,0317396	0,00691602	-4,597	7,84е-06	Й Й Й
Х5	0,0121879	0,00364228	3, 346	0,0010	Й Й Й
Х6	0,0442667	0,00665677	6, 650	3,07е-010	Й Й Й
Х7	0,0105313	0,00332220	3,185	0,0017	й й й
XI0	0,0672197	0,0225532	2, 977	0,0033	й й й
XII	-0,0540913	0,0190751	-2,836	0,0051	й й й
XI4	0,162771	0,0380779	4,275	3,03е-05	й й й
Х15         0,265235     0,0511327         5,187      5,47е-07 Среднее зав. перемен    0,025831   Ст. откл. зав. перемен  0,120903 Сумма кв. остатков      1,434964   Ст. ошибка модели       0,087134 R-квадрат               0,506695   Испр. R-квадрат         0,480594 F(10, 189)               19,41301   Р-значение (F)           2,53е-24 Лог. правдоподобие      209,9300   Крит. Акаике           -397,8601 Крит. Шварца           -361,5786   Крит. Хеннана-Куинна   -383,1775 Параметр rho           -0,083481   Стат. Дарбина-Вотсона   1,635828 Тест Вайта (White) на гетероскедастичность -Нулевая гипотеза: гетероскедастичность отсутствует Тестовая статистика: LM = 84,2821 р-значение = Р(Хи-квадрат(65) > 84,2821) = 0,0542275					й й й

Тест на нормальное распределение ошибок -

Нулевая гипотеза: ошибки распределены по нормальному закону Тестовая статистика: Хи-квадрат(2) = 5,75033 р-значение = 0,0564069

Рисунок 3. Итоговая модель МНК

На основе полученных данных мы получили следующую линеаризованною модель зависимости CVA от факторов X (формула 1):

Y = - 0,0473297 + 0,00334463 X1 + 0,0103948 X3 - 0,317896 X4 + 0,0121879 X5 + 0,0442667 X6 + 0,0105813 X7 + 0,0672197 X10 – 0,0540913 X11 + 0,162771 X14 + 0,265235 X15 + ε                             (1)

где:  Y – относительный показатель денежной добавленной стоимости к инвестированному капиталу (CVA/IC);

• X1 - коэффициент оборачиваемости дебиторской задолженности;

X3 - чистый денежный поток от операционной деятельности;

X4 - средний остаток денежных средств;

X5 - дивиденды;

X6 - амортизационные отчисления;

X7 - полученные денежные средства от продажи основных средств;

X10 - коэффициент абсолютной ликвидности;

• X11    - коэффициент текущей платежеспособности;

X14 - коэффициент маневренности собственных оборотных средств;

Х15 - коэффициент автономии.

В окончательной модели остались десять факторов из пятнадцати и постоянный свободный член модели. Показатели коэффициента оборачиваемости кредиторской задолженности, уплаченных процентов по кредитам, налоговой нагрузки, финансового цикла и операционного рычага оказались незначимыми в рамках нашего исследования и были исключены.

Таким образом, можно сделать вывод о том, что существуют показатели, основанные на бухгалтерских данных, позволяющие с большой вероятностью прогнозировать показатель денежной добавленной стоимости и управлять им, тем самым предоставляя менеджменту новый инструментарий для достижения основной цели в рамках корпоративного управления – повышения благосостояния собственников, то есть увеличения стоимости компании.