Кластерный анализ как инструмент управления инвестиционной привлекательностью объектов

Группировка объектов по уровню их инвестиционной привлекательности является частью прединвестиционного исследования, так как дает предварительные ориентиры для формирования и реализации корпоративной (региональной) инвестиционной политики и предполагает последующее определение коммерческой (бюджетной, социальной) эффективности конкретных проектов. Основное назначение данного процесса состоит в создании информационной базы о результатах функционирования компаний; для обоснования точек роста развития различных отраслей экономики; активизации инвестиционной деятельности предприятий. Оценка инвестиционной привлекательности различных объектов нами определяется как инструмент политики и подготовительный этап для принятия соответствующих управленческих решений, направленных на устойчивое развитие экономических систем в целях получение наибольших экономико-социально-экологических эффектов от инвестиций.

Оценка инвестиционной привлекательности объектов

Инвестиционную привлекательность объектов вложений денежных средств связывают с получением экономических выгод от инвестиций при умеренных рисках. Ключевыми показателями привлекательности для инвестора являются чистая прибыль от реализации проекта и рентабельность инвестированного капитала. Под инвестиционной привлекательностью отрасли (региона) понимают объемы привлекаемых инвестиций и их распределение, а также она может определяться как множество факторов и ограничений, объективно обусловливающих темпы поступления инвестиций [1]. Таким образом, инвестиционная привлекательность может отражать территориальные факторы производства и сбыта продукции, что связано с инвестиционным климатом региона, а также потенциальный интерес инвестора обобщенной характеристикой сильных и слабых сторон разных объектов по критериям, формируемым им самим.

Оценку инвестиционной привлекательности объектов можно проводить на основе как упрощённых методов, представленных балльной и рейтинговой оценками, так и достаточно сложными методами в плане сбора и обработки информации: экспертных оценок, комплексной факторной оценкой, определения производственного потенциала, выделения стратегических зон хозяйствования. Данные методы основаны на использовании статистической информации, которая имеется в наличии у региональных органов власти и является достаточно доступной для потенциального инвестора. С помощью них имеется возможность рассчитать целевые показатели и проследить их динамику, в целях системной оценки процесса развития предприятия (отрасли). Полученные ретроспективные данные с использованием принципа экстраполяции для построения прогнозных моделей могут служить основой для принятия последующих управленческих решений на государственном и корпоративном уровнях управления относительно целесообразности инвестирования денежных средств [1].

Необходимо принимать во внимание, что проведение балльной оценки статистических показателей по той или иной шкале не отражает уровень их дифференциации по различным объектам по причине заданного их диапазона или ограниченности временного интервала. Кроме этого в существующем информационном поле статистической отчетности не учитываются качественные аспекты деятельности предприятий.

Дополнительным недостатком экспертных методов является проблема свертывания отдельных индикаторов в единый показатель. Способы интегрирования основаны на определении суммы ранговых мест или суммы баллов, что также не даёт представления о том, насколько один объект отличается от другого. Таким образом, при любом интегрировании единого показателя его нельзя рассматривать в качестве положительного аргумента для реализации того или иного инвестиционного проекта для менеджеров, принимающих соответствующее решение [2].

На наш взгляд, практическая ценность используемых методов оценки инвестиционной привлекательности зависит только от способа интегрирования отдельных показателей. На выбор критериев существенное влияние оказывает этап развития экономики, а также цели и уровень оценки (региональный или корпоративный). Нами интегральный критерий инвестиционной привлекательности рассматривается как совокупность частных показателей, учитывающих особенности функционирования объекта и определяется путем их свода по усовершенствованной формуле средней арифметической, многомерной средней. При проведении расчетов все статистические показатели объединяются в группы на основе качественного анализа или с использованием регрессионного, корреляционного и кластерного анализов. По группам выделяются главные индикаторы, либо рассчитываются средневзвешенные агрегированные показатели [1].

Использование кластерного анализа в управлении инвестиционной привлекательностью объектов

В нашем исследовании решение проблемы совершенствования управления инвестиционным процессом с позиции региональных органов власти должно опираться на определение приоритетных групп предприятий посредством качественной оценки деятельности предприятий, отражающей их развитие, основанной на определении их инвестиционного потенциала как ключевого элемента их инвестиционной привлекательности (рис.1).

Для исследования изменения комплексной оценки инвестиционного потенциала предприятий региона могут быть использованы методы кластерного анализа, которые изучаемую совокупность численно выраженных параметров объектов позволяют разбить на качественно однородные группы на основе вычислений расстояния между ними, выраженными в евклидовой метрике по шести блокам системы статистических показателей.

Рисунок 1. Схема управления инвестиционной привлекательностью объектов посредством кластерного анализа (источник - разработано авторами)

Эти блоки представлены следующими компонентами: сырьевой потенциал может описываться запасом древесины на арендованном участке лесного фонда региона, величиной установленного ежегодного отпуска древесины и процентом его освоения. Показатели трудового потенциала могут быть представлены численностью работающих и производительностью труда. Среди показателей производственно-фондового потенциала рассматриваются: объем лесозаготовок и производства пиломатериалов, себестоимость продукции, остаточная стоимость основных фондов, фондовооруженность и фондоотдача. Под воспроизводственным потенциалом подразумевается возможность самофинансирования, поэтому он представлен величиной прибыли. Инфраструктурный потенциал описывается обеспеченностью предприятий магистральными дорогами с учетом расстояния по доставке готовой продукции в пункты потребления или отгрузки. Инновационный потенциал оценивается по доле экспортной продукции, удельному весу переработки древесины. Показатели финансового потенциала представлены рентабельностью активов, коэффициентами автономии и текущей ликвидности, соотношением дебиторской и кредиторской задолженностей, величиной налогового бремени.

Исчисление интегральных показателей, характеризующих инвестиционный потенциал предприятий, может осуществляться в соответствии с методическими рекомендациями [2, 3].

Применение кластерного анализа целесообразно вследствие того, что он является математической процедурой многомерного анализа, которую можно использоваться при отсутствии целевых установок по формированию классов объектов, когда исследование находится на начальном этапе. Тем не менее, следует учитывать то, что результат кластерного анализа определяется как одно из возможно значимых решений, что снимет необходимость проверки его статистической значимости [4].

Учитывая то, что алгоритмы построения иерархий в кластерном анализе могут быть агломеративными и дивизионными, что подразумевает последовательное объединение (разделение) групп объектов, их классификация представляется в виде графика (дендограммы), отражающего процесс объединения элементов в кластер с указанием расстояний между ними [4].

Нами была предпринята попытка, опираясь на необходимость развития лесопромышленного комплекса регионов на принципах многоцелевого использования древесины, выделить группы предприятий, осуществляющих первичную переработку древесины (лесопиление) с уровнем не ниже среднекраевого, у которых наблюдалось увеличение интегрального показателя инновационного потенциала, что свидетельствует о развитии лесопиления на предприятии. Для кластерного анализа выбирались крупные предприятия, так как в условиях Хабаровского края осуществление не только лесозаготовительной деятельности, но и проведение работ по лесовосстановлению и обеспечению пожарной безопасности эффективно при ежегодных объемах вывозки более 100 тыс. м³ [2]. Малые предприятия не могут решать стратегические задачи развития лесного комплекса: строить дороги, внедрять новые технологии, обновлять оборудование, обеспечивать экологичность производства.

В результате чего построена дендрограмма распределения крупных лесозаготовительных предприятий в кластеры методом Уорда, который основан на использовании средних величин переменных внутри кластера и средних величин переменных, присоединяемых к нему. Графическое изображение результатов этого метода позволяет сделать вывод о том, что всю совокупность наблюдений по уровню инвестиционного потенциала можно разбить на четыре кластера (рис. 2).

Рисунок 2. Дендрограмма группировки крупных лесозаготовительных предприятий по уровню их инвестиционного потенциала методом Уорда

(источник - разработано авторами)

Результаты кластерного анализа показали, что количество предприятий каждого типа по кластерам зависит от расстояния объединения. Деятельность предприятий, выраженная факторами инвестиционного потенциала, находится в диапазоне объединения от 0 до 1,0, что подразумевает относительно равные их интегральные оценки. Предприятия, в которых факторы инвестиционного потенциала значительно отличаются от среднекраевых, последовательно присоединяются к кластерам. Группировка предприятий по результатам их деятельности нами осуществлялась по двум направлениям: по расстоянию объединения интегральных оценок частных факторов инвестиционного потенциала и выделению доминирующих оценок частных потенциалов инвестиционного потенциала предприятия, что отразилось в наименовании групп, представленных в таблице соответственно слева-направо согласно рисунку 2.

Таблица 1

Управляющие воздействия для выделенных групп крупных лесозаготовительных предприятий Хабаровского края

При разработке управляющих воздействий, направленных на предприятия, в каждой группе необходимо учитывать фактические условия производства работ. Крупные предприятия расположены в северных и центральных районах края, для которых характерен относительно низкий запас древесины, узкий внутренний рынок сбыта. Особенностями деятельности предприятий является их зависимость от экспорта продукции необработанной древесины и сложность выхода на внешний рынок продукции деревообработки. Поэтому для увеличения объемов производства пиломатериалов необходимо государственное участие в организации поставок переработанной древесной продукции иностранным партнерам. Одной из форм такой организации может выступать заключение договоров прямых поставок перечня продукции под государственные гарантии соблюдения сроков и качества. Одновременно с этим необходимо создание перерабатывающих производств на условиях государственно-частного партнерства, а также налоговое стимулирование переработки при возможной компенсации части транспортных затрат до конечного потребителя [2].

В настоящее время целесообразность развития перерабатывающих производств не вызывает сомнений, но реализация соответствующих инвестиционных проектов связана, прежде всего, с гарантированностью сбыта продукции и выхода на ожидаемый уровень рентабельности. Поэтому для создания условий развития переработки необходимы государственные гарантии возврата инвестиций, что возможно при долгосрочной продуктивной деятельности.

Заключение

Исследование, произведенное методом кластерного анализа, позволило классифицировать типы предприятий в целях управления их инвестиционной привлекательностью на основе комплексной многофакторной оценки, что позволит в дальнейшем осуществить обоснованное государственное инвестирование тех предприятий, которые будут развивать производство продуктов деревопереработки в целях повышения эффективности функционирования всего лесного комплекса региона.