Математическая модель оценки параметра рыночной капитализации организаций сферы производства и сервисного обслуживания железнодорожного подвижного состава на основе различных финансовых риск-факторов
Гулый И.М.1, Копылова Н.Б.
1 Петербургский государственный университет путей сообщения Императора Александра I
Скачать PDF | Загрузок: 4
Статья в журнале
Экономика, предпринимательство и право (РИНЦ, ВАК)
опубликовать статью | оформить подписку
Том 13, Номер 12 (Декабрь 2023)
Цитировать:
Гулый И.М., Копылова Н.Б. Математическая модель оценки параметра рыночной капитализации организаций сферы производства и сервисного обслуживания железнодорожного подвижного состава на основе различных финансовых риск-факторов // Экономика, предпринимательство и право. – 2023. – Том 13. – № 12. – С. 5999-6008. – doi: 10.18334/epp.13.12.120462.
Эта статья проиндексирована РИНЦ, см. https://elibrary.ru/item.asp?id=63549261
Аннотация:
Обеспечение экономической безопасности организации сопровождает построение системы управления, предполагающей создание различных подсистем – блоков, каждый из которых выступает конкретным управленческим инструментом, в том числе в сфере планирования, оценки, мониторинга и контроля параметров достижения экономически безопасного состояния. В статье авторы формируют отраслевую математическую числовую модель, которая связывает результирующий интегральный параметр финансовой безопасности компаний сферы производства и сервисного обслуживания железнодорожного подвижного состава с коррелирующими показателями риск-факторами. Модель опирается на макроэкономическую методику оценки финансовой безопасности компаний и представляет собой конкретное отраслевое решение оценки рыночной капитализации компаний сервисного обслуживания и изготовления железнодорожного подвижного состава, которая числовой формулой связывает этот параметр с величинами финансовых риск-факторов. Материалы исследования адресованы финансистам, финансовым менеджерам, руководителям организаций транспорта, организаций, предоставляющих услуги сервисного обслуживания подвижного состава и производящих железнодорожные локомотивы и вагоны.
Ключевые слова: финансовая безопасность, модель финансовой безопасности, финансовые риск-факторы, управление экономической безопасностью
JEL-классификация: M11, M21, L92
Введение
Обеспечение экономической безопасности организации сопровождает построение системы управления, предполагающей создание различных подсистем – блоков, каждый из которых выступает конкретным управленческим инструментом в плане анализа, оценки рисков и угроз экономической безопасности, мотивации и выстраивания отношений полномочий и ответственности работников, подразделений, организацию мониторинга, контроля обеспечения плановых параметров достижения экономически безопасного состояния.
В настоящей статье авторы формируют отраслевую математическую числовую модель, которая связывает результирующий интегральный параметр финансовой безопасности компаний сферы производства и сервисного обслуживания железнодорожного подвижного состава с коррелирующими показателями риск-факторами.
Модель опирается на макроэкономическую методику оценки финансовой безопасности компаний и представляет собой конкретное отраслевое методическое решение, которое предлагается применить в компаниях, занимающихся деятельностью по сервисному обслуживанию и изготовлению железнодорожных вагонов и локомотивов.
Актуальность исследования
Актуальность исследования обусловлена высокой значимостью построения систем управления финансовой безопасностью компаний, формированию комплексной методологии управления экономической, в том числе финансовой безопасностью.
Отдельное значение имеет направление экономико-математического моделирования в системе экономической безопасности. Методология оценки финансовой безопасности в настоящее время имеет в своем научном заделе множество различных показателей и методик, но остается актуальной проблематика отбора самых важных и иллюстрирования влияния параметров финансовой безопасности на итоги и индикаторы бизнеса, привлекательность и конкурентоспособность бизнеса.
Литературный обзор в рамках исследования
Рассмотрению отдельных методологических положений и инструментов моделирования финансовой безопасности посвящены работы ряда авторов.
Мы в своем исследовании опираемся на работы: Н.А. Казаковой, Н.В. Кима [5, 6, 7] – основное внимание уделяющих развитию методологии анализа и оценки риск-факторов развития отдельных отраслей российской экономики, Н.А. Журавлевой [3, 4], в которой делается акцент на решении проблемы нахождения пороговых значений экономической безопасности компаний инфраструктурного комплекса, в частности компаний железнодорожного транспорта, Е.М. Волковой [1], в работе которой мы видим систематизацию факторов, определяющие успех реализации проектов экономической безопасности организаций транспортного строительства, Ю.В. Егорова [2], уделившего важное вниманию рассмотрению методик экспертной оценки финансовой безопасности транспортных организаций, Л.Ф. Казанской, Ш.Ш. Ризакулова, В.М. Артимович [8], сформулировавших направления повышения экономической эффективности управления экономической безопасностью транспортных организаций, Л.М. Чеченовой [10], работающей над разработкой методик комплексной оценки экономической безопасности организаций как инструмента планирования и прогнозирования ее эффективного развития.
Научный пробел. Вместе с тем отметим, что вопросам экономико-математического моделирования внутри содержательной части методологии управления финансовой безопасностью организаций различных отраслей в научной литературе не уделяется достаточного внимания.
Цель исследования: формирование отраслевой математической числовой модели, которая связывает результирующий интегральный параметр финансовой безопасности компаний сферы производства и сервисного обслуживания железнодорожного подвижного состава с коррелирующими показателями риск-факторами.
Научная новизна заключается в формировании авторского варианта математической модели, связывающей важнейший результативный параметр экономической безопасности организации – величину и динамику ее рыночной капитализации, с коррелирующими финансовыми риск-факторами, и на основе разработанной модели формирование прогнозов возможного увеличения рыночной капитализации в условиях улучшения финансовых риск-факторов.
Авторская гипотеза исследования: финансовые риски возможно достоверно оценивать на основе числовых эконометрических моделей, сформированных на основе корреляционного и регрессионного анализа различных риск-факторов эффективности управления финансами.
Методология и информационная основа исследования.
Информационная основа проведенного исследования опирается на: официальные показатели из баз данных Росстата (ЕМИСС) [9], показатели Министерства экономического развития Российской Федерации, показатели Федерального агентства железнодорожного транспорта, отдельных компаний, занимающихся предоставлением услуг по ремонту и сервисному обслуживанию железнодорожного подвижного состава.
Теоретико-методологической основой исследования является теория финансовых систем, теория и методология экономико-математического моделирования и кибернетики, теория исследования финансовых операций, методология регрессионного и корреляционного анализа, методология коэффициентного финансового анализа.
Результаты
Разработка отраслевой математической модели оценки рыночной капитализации транспортных компаний
Алгоритм формирования числовой математической модели оценки рыночной капитализации организаций отдельных отраслей экономики предполагает выполнение следующей последовательности действий:
- оценку-риск-факторов, влияющих на финансовое положение компаний, на основе данных финансовой отчетности по конкретным видам экономической деятельности;
- отбор наиболее важных финансовых риск-факторов по критерию высокого (по модулю более и равно 0,6) значения линейного коэффициента корреляции между финансовым риск-фактором и интегральным параметром рыночной капитализации, при этом предполагается исключить факторы с высокой взаимной корреляцией и также не брать во внимание факторы с логически неверной и противоречивой связью;
- построение числовой регрессионной модели, позволяющей с помощью формулы связать параметр рыночной капитализации с величинами финансовых риск-факторов;
- верификацию возможности применения модели на практике;
- прогнозирование изменений параметра рыночной капитализации на основе возможного улучшения финансовых риск-факторов.
Финансовые риски возможно оценить с помощью различных параметров финансовой состоятельности: ликвидность и платежеспособность, финансовая устойчивость, деловая активность, эффективность бизнеса.
Общий наиболее полный набор финансовых риск-факторов, который предложен в работе [7] с рассчитанными нами значениями по видам деятельности «Деятельность вспомогательная, связанная с железнодорожным транспортом» и «Производство железнодорожных локомотивов и подвижного состава» приведен в таблице 1.
Таблица 1
Система финансовых риск-факторов
Обоз-наче-ние
|
Под-группа риска
|
Показатели
|
Годы
| |||||
2017
|
2018
|
2019
|
2020
|
2021
|
2022
| |||
x1
|
Ликвидность и платежеспособность
|
Коэффициент обеспеченности собственными оборотными средствами,
единиц
|
-0,13
|
-0,08
|
0,06
|
0,00
|
-0,08
|
0,12
|
x2
|
Коэффициент текущей ликвидности, единиц
|
1,13
|
1,11
|
1,25
|
1,08
|
1,01
|
0,91
| |
x3
|
Коэффициент абсолютной ликвидности, единиц
|
0,09
|
0,06
|
0,10
|
0,09
|
0,16
|
0,14
| |
x4
|
Финансо-вая устой-вость
|
Коэффициент автономии, единиц
|
0,30
|
0,29
|
0,35
|
0,32
|
0,27
|
0,35
|
x5
|
Коэффициент финансовой устойчивости, единиц
|
0,56
|
0,47
|
0,52
|
0,45
|
0,40
|
0,47
| |
x6
|
Коэффициент соотношения собственного и заемного капитала
|
0,43
|
0,41
|
0,53
|
0,46
|
0,37
|
0,54
| |
x7
|
Деловая актив-ность (оборачи-ваемость)
|
Период оборачиваемости дебиторской задолженности, дней
|
83
|
83
|
73
|
77
|
89
|
78
|
x8
|
Период оборачиваемости кредиторской задолженности, дней
|
98
|
116
|
93
|
128
|
167
|
180
| |
x9
|
Длительность финансового цикла, дней
|
48
|
33
|
30
|
5
|
-14
|
-38
| |
x10
|
Эффективность дея-тельности
|
Рентабельность собственного капитала, %
|
6,2
|
10,5
|
19,5
|
14,7
|
5,0
|
8,2
|
x11
|
Рентабельность продаж, %
|
7,0
|
6,9
|
8,4
|
6,3
|
3,4
|
8,2
| |
x12
|
Рентабельность активов, %
|
1,9
|
3,0
|
6,7
|
4,7
|
1,3
|
2,9
| |
x13
|
Долговая нагрузка
|
Долг / EBITDA, единиц
|
1,19
|
1,21
|
0,92
|
0,95
|
1,26
|
0,84
|
x14
|
EBITDA / Выручка, единиц
|
0,14
|
0,13
|
0,15
|
0,15
|
0,14
|
0,18
| |
x15
|
Долг / Среднемесячная выручка, единиц
|
1,68
|
1,59
|
1,80
|
1,79
|
1,63
|
2,18
| |
y
|
Рыночная капитали-зация
|
EBITDA * мультипликатор (потенциал), млрд. рублей
|
764,3
|
932,6
|
1382,7
|
1439,7
|
1527,3
|
1792,9
|
Значение мультипликатора (потенциал генерирования EBITDA на
рубль активов)
|
9,4
|
9,6
|
9,6
|
9,3
|
10,6
|
9,2
| ||
EBITDA, млрд. рублей
|
81,5
|
96,7
|
144,0
|
155,0
|
144,1
|
194,4
|
Далее мы отбираем риск-факторы xi, которые статистически связаны с величиной y (рыночной капитализаций, которая оценена нами по одному из методов: на основе умножения годовой величины EBITDA на значение мультипликатора, означающего потенциал получения дохода при вложении средств в конкретный бизнес).
Результаты отбора факторов – показатели со значениями линейных коэффициентов корреляции больше 0,6, приведены в таблице 2.
Таблица 2
Линейные коэффициенты корреляции между параметром y и величинами финансовых риск-факторов xi для организаций сервисного обслуживания и изготовления железнодорожного подвижного состава
Наименование показателя
|
Обозначение
|
Значение лин. коэффициента
корреляции по данным 2017-2022 гг.
|
Оценка рыночной капитализации, млрд. рублей
|
y
|
x
|
Коэффициент обеспеченности собственными оборотными средствами,
единиц
|
x1
|
0,80
|
Коэффициент абсолютной ликвидности, единиц
|
x3
|
0,74
|
Длительность финансового цикла, дней
|
x9
|
-0,91
|
Долг / EBITDA, единиц
|
x13
|
-0,62
|
EBITDA / Выручка, единиц
|
x14
|
0,70
|
Долг / Среднемесячная выручка, единиц
|
x15
|
0,70
|
По результатам последующего исключения мультиколлинеарных факторов в итоговую математическую модель мы вводим следующие параметры: x1 – коэффициент обеспеченности собственными оборотными средствами, x3 – коэффициент абсолютной ликвидности и x13 – величина долга к EBITDA.
Генерируемое при помощи средств Анализ данных – регрессия MS Excel уравнение модели имеет следующий вид:
y = 2349,14+ 961,33* x1 + 3596,03* x3 - 1383,10* x13.
Значение коэффициента множественной детерминации 0,93, а множественной регрессии R составило по модели 0,96. F-значение выше нормативного табличного.
В итоге делаем вывод о возможности высокой достоверности полученной модели и применимости ее на практике.
Вклад каждого из факторов (коэффициенты эластичности) в изменение результативного показателя y следующий:
- при увеличении фактора x1 на 1 процент рыночная капитализация вырастет на 0,07%;
- при повышении фактора x3 на 1 процент рыночная капитализация повысится на 0,28%;
- и при уменьшении фактора x13 на 1 процент рыночная капитализация повышается на 0,65%.
Следовательно, наибольшее значение в построенной модели имеет финансовый риск-фактор x13 – величина долга к EBITDA.
Заключение
Проведенное исследование позволило сформулировать следующие основные его выводы.
Финансовые риски достоверно оцениваются на основе числовых эконометрических моделей, сформированных на основе корреляционного и регрессионного анализа различных риск-факторов эффективности управления финансами.
Среди различных параметров финансовой состоятельности: ликвидности и платежеспособности, финансовой устойчивости, деловой активности, эффективности бизнеса для компаний по сервисному обслуживанию и изготовлению железнодорожного подвижного состава наиболее статистически значимыми выступают: коэффициент обеспеченности собственными оборотными средствами, коэффициент абсолютной ликвидности и отношение величины долга к EBITDA.
Построенная математическая модель связи параметра рыночной капитализации российских компаний сферы сервисного обслуживания и изготовления железнодорожного подвижного состава имеет вид: y = 2349,14+ 961,33* x1 + 3596,03* x3 - 1383,10* x13. Где x1 – коэффициент обеспеченности собственными оборотными средствами, x3 – коэффициент абсолютной ликвидности и x13 – величина долга к EBITDA. При этом наибольшее значение в построенной модели имеет финансовый риск-фактор x13 – величина долга к EBITDA (при уменьшении фактора x13 на 1 процент рыночная капитализация повышается на 0,65%). Остальные факторы имеют меньшее влияние: при увеличении фактора x1 на 1 процент рыночная капитализация вырастет на 0,07%; при повышении фактора x3 на 1 процент рыночная капитализация повысится на 0,28%.
При улучшении трех финансовых риск-факторов до уровня средних параметров по транспортному комплексу экономики России, рыночную капитализацию исследованных нами компаний в целом можно увеличить на 23-25%, до 2,2 млрд. рублей.
Источники:
2. Егоров Ю.В. Использование экспертных оценок для формирования оптимальных грузовых тарифов на железнодорожном транспорте // Экономика железных дорог. – 2013. – № 9. – c. 49-56.
3. Журавлева Н.А., Костылев А.В. Оценка пороговых значений экономической безопасности компаний инфраструктурного комплекса // ЭТАП: экономическая теория, анализ, практика. – 2010. – № 1. – c. 39-56.
4. Журавлева Н.А. Развитие рынка услуг железнодорожного транспорта в контексте экономической безопасности России // Экономические науки. – 2015. – № 132. – c. 15-19.
5. Казакова Н.А., Ким Н.В. Анализ риск-факторов развития российского IT-сегмента в области ITSM-решений в условиях санкций // Аудитор. – 2023. – № 7. – c. 11-17. – doi: 10.12737/1998-0701-2023-9-7-11-17.
6. Казакова Н.А. Технологии эффективного управления бизнес-рисками с приоритетом на стратегию устойчивого развития // Russian Journal of Management. – 2023. – № 3. – c. 118-127. – doi: 10.29039/2409-6024-2023-11-3-118-127.
7. Казакова Н. А. Финансовая безопасность компании. - учебное пособие. Москва: Издательский Дом «Инфра-М», 2024. – 316 c.
8. Казанская Л.Ф., Ризакулов Ш.Ш., Артимович В.М. Направления повышения экономической эффективности управления безопасностью движения в железнодорожной компании // Ученые записки Международного банковского института. – 2017. – № 22. – c. 115-129.
9. Статистика ЕМИСС. [Электронный ресурс]. URL: http://www.fedstat.ru (дата обращения: 25.12.2023).
10. Чеченова Л.М. Методика комплексной оценки организации как инструмент планирования и прогнозирования ее эффективного развития // Бюллетень результатов научных исследований. – 2021. – № 2. – c. 69-81. – doi: 10.20295/2223-9987-2021-2-69-81.
Страница обновлена: 15.07.2024 в 10:17:54