ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 04.12.2023
Просмотров: 316
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ РЕГИОНА: ТЕОРИЯ И ПРАКТИКА
76
Содержание курса.
Тема 1. Языки программирования
Понятие языка программирования. История развития зыков программирования Синтаксис и семантика языка. Способы реализации языков: компиляция, интерпретация, смешанный подход.
Тема 2. Язык программирования Python.
Язык программирования Python и его место среди других языков программирования. Установка Python. Работа в интерактивном режиме интерпретатора. Среда программирования. Использование документации. Особенности.
Тема 3. Язык программирования VBA
Язык программирования VBA. Особенности работы. Разработка офисных приложений. Модули и формы. Встроенные функции и модули для работы с числами.
Тема 4. Язык программирования SQL
Язык программирования VBA. Особенности работы. Базы данных. Работа с MSSQLServer.
Тема 5. Языки программирования для разработки веб-приложений
Язык HTML. Язык JavaScript. Язык PHP.
Для проведения занятий требуются следующие программные продукты:
- операционная система Linux, OS X или Windows
- интегрированные среды разработки IDLE, Spyder или аналогичные с версией языка Python 3.5 или более поздней;
- браузер с доступом к сети Интернет.
Перечень ресурсов информационно-телекоммуникационной сети Интернет, необходимых для работы:
1. Официальный сайт Python: https://www.python.org/
2. Портал Финансового университета: http://www.fa.ru/
3. Дистрибутив ANACONDA: https://www.continuum.io/downloads
4. Электронно-библиотечная система издательства
«Лань» https://e.lanbook.com/
5. Электронно-библиотечная система Znanium http://www.znanium.com
6. http://r-analytics.blogspot.com/ блог «Анализ и визуализация данных» С. Мастицкого
Информатизация общества − глобальный социальный процесс, особенность которого состоит в том, что основным видом деятельности в сфере общественного производства является сбор, накопление, продуцирование, обработка, хранение, передача и использование информации, осуществляемые на основе современных средств электронной и вычислительной техники, а также на базе разнообразных средств информационного обмена.
В современном обществе при использовании информационных технологий появляются новые возможности касательно содержания, организации и методологии обучения в зависимости от индивидуальных качеств учащихся, что, несомненно, необходимо на всех этапах образования. Для достижения высоких показателей качества образования необходимо прежде всего внедрение новых форм обучения на всех степенях образования.
Улучшение методической работы, научной работы ([66]-[70]) и совершенствование педагогического мастерства преподавателей – взаимосвязанные и взаимообусловленные процессы, направленные на формирование главной фигуры учебно-воспитательного процесса – преподавателя.
4.4. Нейронная сеть как инструмент формирования прогнозной оценки стоимости компании
Евсюков В.В.
Постановка задачи. Сложившиеся в последние годы сложные условия ведения бизнеса обострили проблему адекватной оценки стоимости компаний. Актуальность данной проблемы во многом подтверждается увеличением количества сделок по слиянию и поглощению российских компаний. Для приобретателя необходимо наиболее точно определить выгоды от покупки доли или целой компании, сопоставив их с издержками на слияние или поглощение для определения наиболее экономически выгодной стоимости сделки.
Согласно данным бюллетеня «Рынок слияний и поглощений» агентства AK&M, российский рынок слияний и поглощений (M&A) сохраняет тенденцию роста [71]. В 2017 г. было совершено 460 сделок M&A с участием российских компаний, что на 2% выше по сравнению с
2016 г. Общая стоимость сделок составила $51,6 млрд. при росте на 25,9%.
Следует отметить, что стоимость российских компаний остается относительно невысокой. Совокупный удельный вес сделок стоимостью до $50 млн. на российском рынке M&A в 2017 г. составил 77,6%, а доля нижнего ценового диапазона (до $10 млн.) достигла 46,1%.
При этом одновременно практически вдвое увеличилась доля крупных (от $500 млн. и выше) сделок.
Среди отраслей экономики наибольший объем сделок M&A в 2017 г. пришелся на топливно-энергетический комплекс. Количество транзакций выросло в 2,3 раза, а объем сделок достиг $15,16 млрд., что составило 29,4% совокупного объема российского рынка M&A.
Далее в рейтинге находятся финансовые институты с объемом сделок на $8,56 млрд. (16,6% объема рынка), из которых санация
Центробанком РФ банка ФК «Открытие» оценивается $8 млрд.
Объем сделок в сфере услуг составил $6,56 млрд. (16,6% объема рынка), что в 7 раз больше по сравнению с 2016 г.
В целом в 2017 г. рост активности на рынке M&A был отмечен во многих сферах экономики, включая торговлю, строительство, металлургию, пищевую промышленность, сельском хозяйстве.
Во многом наблюдающийся рост активности на рынке M&A обусловлен существенным увеличением количество банкротств компаний и санаций банков, включая крупные банки. Так, по данным Единого федерального реестра сведений о банкротстве, количество банкротств российских компаний в 2017 г. достигло 13577, увеличившись по сравнению с 2016 г. на 7,7% [72].
Следует отметить снижение объема сделок с российскими активами иностранных инвесторов в 3,8 раза по сравнению с 2016 г. (общий объем составил $3,9 млрд.), что предопределилось антироссийскими санкциями и высокими рисками для инвесторов.
Определение адекватной оценки стоимости компании предполагает проведение глубокого экономического анализа многих, влияющих на ее стоимость факторов (показателей), включая общую задолженность, свободный денежный поток, рыночную капитализацию, финансовый рычаг, рост продаж компании и др. Особенностью оценки стоимости российских компаний является необходимость учета влияния внешнеполитических факторов.
Как в международной, так и в отечественной практике оценки рыночной стоимости компаний наиболее широко применяют три подхода: сравнительный, доходный и затратный [73].
В основе сравнительного подхода (метод коэффициентов и др.) используется процедура сравнения компании-объекта сделки с несколькими схожими компаниями с известными оценками о стоимости сделок с ними. При этом все компании должны принадлежать к одной отрасли, быть сопоставимыми по размерам, объемам продаж, суммарной стоимости активов, рыночной капитализации, темпам роста доходов.
Характерной особенностью методов оценки стоимости компаний на основе затратного подхода (метод оценки стоимости чистых активов и др.) является определение затрат, необходимых для замещения или восстановления объекта оценки.
В рамках доходного подхода оценка стоимости компаний основывается на определении ожидаемых доходов от деятельности компании с учетом их дисконтирования относительно текущего момента времени. На практике широкое распространение получил метод дисконтированных денежных потоков.
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ РЕГИОНА: ТЕОРИЯ И ПРАКТИКА
77
Каждый из перечисленных подходов и методов характеризуется определенными особенностями, позволяющими получить более точные оценки стоимости компании в определенных ситуациях.
Существуют рекомендации по применению того или иного метода с учетом цели конкретной сделки [74]. При выборе стратегии создания и роста компании целесообразно использовать метод коэффициентов или сравнение с компаниями-аналогами, поскольку такая оценка покажет минимальные первоначальные затраты. В ситуации поглощения или присоединения компании предпочтительно применять метод дисконтированных денежных потоков, позволяющий оценить возможный будущий доход от сделки. При реализации стратегии ликвидации логично применять метод оценки стоимости чистых активов, обеспечивающий возможность оценки остаточной стоимости бизнеса.
Ни один из применяемых на практике методов оценки не позволяет определить "правильное" значение стоимости компании в прогнозном периоде, поскольку помимо различий в подходах к этой проблеме существует и общая причина - неопределенность будущего развития ситуации на рынке. Эта особенность предопределяет поиск новых методов оценки стоимости компаний.
Одним из перспективных направлений решения данной проблемы является применение методов интеллектуального анализа данных
(нейронных сетей, генетических алгоритмов, нечеткой логики и др.). В последние годы устойчивый тренд при поиске решений широкого круга задач в сфере экономики и финансов сформирован применением методов интеллектуального анализа данных, адекватных уровню неопределенности, присущей таким задачам [75].
В данной работе приведены результаты сравнительного анализа двух подходов к оценке стоимости компании: распространенного в российской практике метода расчета дисконтированных денежных потоков - как типичного представителя группы классических методов, и метода на основе построения прогнозных оценок с использованием нейронной сети - как представителя группы методов интеллектуального анализа данных.
Информационную базу исследования составили данные из базы Bloomberg о 102 сделках слияний и поглощений российских компаний за период с 2005 по 2014 гг. [76].
Каждая из рассматриваемых сделок характеризуется рядом показателей (табл.1), которые, за исключением показателя Announced Value, можно рассматривать как внутренние факторы, влияющие на стоимость сделки (стоимость компании-цели).
Сведения о состоявшихся сделках сведены в таблицу со 102 строками, каждая из которых характеризует конкретную сделку.
Необходимо, используя выборку данных из базы Bloomberg о сделках слияний и поглощений российских компаний, определить прогнозные оценки стоимости компании на основе обоих методов и провести сравнительный анализ полученных результатов с реальным значением показателя Announced Value.
Таблица 1 - Показатели сделок слияний и поглощений (млн. руб.)
Оценка стоимости компании на основе метода дисконтированных денежных потоков. В качестве примера для определения прогнозной оценки стоимости используем компанию со следующими значениями параметров (табл. 2).
В таблице 2 левый столбец содержит набор показателей по реализованной сделке с конкретной компанией, значения которых взяты непосредственно из базы Bloomberg. Реальная стоимость сделки по покупке данной компании (Announced Value) составила 200 млн. руб.
Правый столбец таблицы включает последовательность значений показателя FCF_YIELD (FCF) этой компании за период с 2005 по
2014 гг. Данная последовательность значений необходима для вычисления среднего темпа прироста денежного потока (g), используемого в процессе определения прогнозной оценки стоимости компании.
Таблица 2 - Параметры исследуемой компании (млн. руб.)
Используемая схема определения оценки стоимости компании базируется на модели Гордона
, где
- стоимость компании в постпрогнозный период или остаточная стоимость бизнеса;
- денежный поток доходов за первый год постпрогнозного периода;
R - ставка дисконтирования;
g- долгосрочные темпы прироста денежного потока.
Термин "постпрогнозный" период соответствует федеральному стандарту "Оценка бизнеса (ФСО № 8)". Постпрогнозная
(терминальная) стоимость - это ожидаемая величина стоимости на дату окончания прогнозного периода. Применительно к рассматриваемому примеру (табл. 2) постпрогнозный период начинается после 2014 г.
Применение модели Гордона предполагает принятие ряда ограничений:
- темпы роста дохода компании должны быть стабильны;
- темпы роста дохода не могут быть выше ставки дисконтирования;
- капитальные вложения в постпрогнозном периоде должны быть равны амортизационным отчислениям (для случая, когда в качестве дохода выступает денежный поток).
В практическом руководстве А. Грегори [78] представлена модифицированная модель, предназначенная для расчета капитала:
№ п/п
Имя
Описание
Ранг
1
Announced Value
Стоимость сделки
100,1 – 32585,8 2
Current Value
Текущая стоимость компании
100,1 – 34466,4 3
TOT_LIAB
Общая задолженность компании
1353,3 - 530240 4
FCF_YIELD
Свободный денежный поток rомпании
-75,88 – 185,186 5
MKT_CAP
Рыночная капитализация компании
1594 - 677942 6
FNCL_LVRG
Финансовый рычаг компании
1,1605 - 11,3225 7
SALES_GROWTH
Рост продаж компании
-25,3186 - 58,5658 %
Current Value =265
Годы
FCF
TOT_LIAB =158,905 2005 8,9
FCF_YIELD =13,3 2006 9,0
MKT_CAP =150,01 2007 10,6
FNCL_LVRG =1,2 2008 11,0
SALES_GROWTH =10,67 2009 11,2 2010 11,9 2011 12,5 2012 13,0 2013 12,8 2014 13,3
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ РЕГИОНА: ТЕОРИЯ И ПРАКТИКА
78
Здесь WACC (weighted average cost of capital) - средневзвешенная стоимость капитала или средняя процентная ставка по всем источникам финансирования компании.
После вычисления терминальной стоимости компании необходимо уточнить ее стоимость с учетом дисконта в постпрогнозном периоде с использованием коэффициента дисконтирования.
Для определения среднего долгосрочного темпа прироста денежного потока используем имеющиеся ретроспективные данные (табл. 2).
Расчет ставки дисконтирования (R).
Ставка дисконтаR рассчитана с помощью модели WACC.
WACC = Kl (1-t)Wl + KeWe , где: Kl – стоимость заемного капитала %;
Wl – доля привлеченного капитала;
Ke – стоимость собственного капитала %;
We – доля собственного капитала; t – налог на прибыль 20 %.
Поскольку из таблицы 2 известно значение финансового рычага (FNCL_LVRG=L/E=1,2) и Wl+We=1, то Wl/(1-Wl)=1,2
Соответственно, Wl=0,55 и We=1-0,55=0,45.
При известном L = TOT_LIAB = 158,905 найдем E=158,905/1,2=132,421.
Стоимость собственного капитала равна его рентабельности =FCF/E=13,3/132,421*100%=10.04%
Стоимость заемного капитала = FCF/L = 13,3/158,905 = 8.37%.
WACC=8.37*0.8*0.55+10.04*0.45=3.68+4.52=8.2%
Средний темп прироста денежного потока (g) определѐн на основании предоставленных ретроспективных данных и результатов таблицы 4: g = (1,011+1,178+1,038+1,018+1,063+1,05+1,04+0,985+1,039)/9*100% - 100% = 104,69% - 100% = 4,69%.
Расчет коэффициента дисконтирования: k = 1 / (1 + WACC)^n.
Расчет коэффициента капитализации:
K = WACC – g = 8.2% – 4,69% = 3.51%.
Дисконтирование стоимости компании проводится на конец прогнозного периода.
Терминальная стоимость компании определяется c учетом денежного потока первого постпрогнозного 2015 г. (табл. 3).
????
???????????????? =
13,9 0,0351
=396
Таблица 3 - Расчѐт терминальной стоимости компании
В качестве величины денежного потока был использован показатель свободного денежного потока компании (FCF).
Результаты расчета в среде Excel стоимости компании на основе метода дисконтирования денежных потоковприведены в таблице 4.
Таблица 4 - Расчѐт рыночной стоимости бизнеса
Годы
FCF, млн. руб.
В % к предыдущему году
Ставка дисконта
Коэффициент дисконтирования
Текущая стоимость FCF, млн. руб.
Факт
2005 8,9 2006 9,0 9,0/8,9*100%==101,1%
2007 10,6 117,8%
2008 11,0 103,8%
2009 11,2 101,8%
2010 11,9 106,3%
2011 12,5 105%
2012 13,0 104%
2013 12,8 98,5%
2014 13,3 103,9%
Прогноз
2015 13,9 104,69%
8,2%
1/(1+0,082)^1=0.92 13,9*0.92=12,8
Терминаль ная стоимость
396 8.2%
0.92 364,32
Таким образом, стоимость компании в 2015 г., определѐнная методом дисконтирования денежных потоков, составила 364.32 млн. руб. при стоимости реальной сделки по покупке данной компании 200 млн. руб. Определение прогнозной оценки стоимости компании на основе метода дисконтирования денежных потоков дает значительную переоценку ее стоимости, что содержит в себе риск недополучения будущих выгод от покупки данной компании.
Формирование прогнозной оценки стоимости компании с использованием нейронной сети. Для решения задачи формирования прогнозной оценки стоимости компании с использованием нейронной сети используем аналитическую платформу Deductor , являющуюся основой для создания законченных прикладных решений в области анализа данных [79].
Система Deductor предназначена для решения широкого спектра задач, связанных с обработкой структурированных и представленных в виде таблиц данных. При этом область приложения системы может быть практически любой - финансовые рынки, страхование, торговля, телекоммуникации, промышленность, медицина, логистические и маркетинговые задачи и множество других.
Прогнозирование - одна из наиболее востребованных задач анализа. В Deductor включено несколько механизмов построения прогностических моделей, в том числе с использованием самообучающихся алгоритмов.
Кроме того, имеются механизмы, позволяющие автоматически строить прогнозы на основе временного ряда на несколько шагов вперед. Достаточно построить модель, прогнозирующую изменение на 1 шаг, и автоматически использовать ее на произвольное количество отсчетов вперед.
Денежный поток последнего прогнозного периода
13,3
Темп прироста
4.69%
Денежный поток первого постпрогнозного года
13,9
Коэффициент капитализации
3.51%
Стоимость бизнеса в постпрогнозный период
396
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ РЕГИОНА: ТЕОРИЯ И ПРАКТИКА
79
Построение моделей - наиболее универсальный способ анализа. В действительности при анализе мы в том или ином виде всегда имеем некую модель исследуемого процесса или объекта. Но не всегда эта модель формализована, т.е. описана таким образом, чтобы ей мог воспользоваться кто-то в режиме "черного ящика": подали данные на вход, а на выходе получили результат.
В платформе Deductor основной акцент при формировании набора инструментальных средств сделан на использование самообучающихся методов и методов машинного обучения. Реализующие их алгоритмы являются универсальными, решающими большой спектр задач и при этом просты в применении.
При помощи Deductor можно не только строить модели, но и провести анализ по принципу "что-если", т.е. оценить, как может измениться тот или иной показатель при изменении любого влияющего фактора. Для реализации этого простого в использовании и одновременно мощного механизма предназначен специальный визуализатор.
DeductorStudio - аналитическое ядро платформы Deductor. DeductorStudio содержит полный набор механизмов импорта, обработки, визуализации и экспорта данных для быстрого и эффективного анализа информации.
Мастер импорта позволяет загружать базу данных в пакет. Мастер обработки, включающий в себя такой обработчик, как DataMining, позволит построить с его помощью нейросеть - инструмент, который может быть использован для решения задач прогнозирования.
Мастер визуализации поможет выбрать и настроить наиболее удобный способ представления данных, а мастер экспорта позволит представить данные в удобном формате.
После загрузки пакета Deductor доступен только один элемент управления - Мастер импорта, используемый для ввода анализируемых данных (рис. 1):
Рисунок 1. Окно для выбора типа файла с данными
Особенностью используемой версии Deductor является ограничение возможности представления данных в текстовом формате.
Следующее окно Мастера импорта позволяет указать место расположения файла, содержащего примеры сделок для обучения и тестирования нейронной сети (рис. 2).
Рисунок 2. Задание файла с данными
Загруженные данные после процедуры форматирования представлены в следующем виде (рис. 3).
76
Содержание курса.
Тема 1. Языки программирования
Понятие языка программирования. История развития зыков программирования Синтаксис и семантика языка. Способы реализации языков: компиляция, интерпретация, смешанный подход.
Тема 2. Язык программирования Python.
Язык программирования Python и его место среди других языков программирования. Установка Python. Работа в интерактивном режиме интерпретатора. Среда программирования. Использование документации. Особенности.
Тема 3. Язык программирования VBA
Язык программирования VBA. Особенности работы. Разработка офисных приложений. Модули и формы. Встроенные функции и модули для работы с числами.
Тема 4. Язык программирования SQL
Язык программирования VBA. Особенности работы. Базы данных. Работа с MSSQLServer.
Тема 5. Языки программирования для разработки веб-приложений
Язык HTML. Язык JavaScript. Язык PHP.
Для проведения занятий требуются следующие программные продукты:
- операционная система Linux, OS X или Windows
- интегрированные среды разработки IDLE, Spyder или аналогичные с версией языка Python 3.5 или более поздней;
- браузер с доступом к сети Интернет.
Перечень ресурсов информационно-телекоммуникационной сети Интернет, необходимых для работы:
1. Официальный сайт Python: https://www.python.org/
2. Портал Финансового университета: http://www.fa.ru/
3. Дистрибутив ANACONDA: https://www.continuum.io/downloads
4. Электронно-библиотечная система издательства
«Лань» https://e.lanbook.com/
5. Электронно-библиотечная система Znanium http://www.znanium.com
6. http://r-analytics.blogspot.com/ блог «Анализ и визуализация данных» С. Мастицкого
Информатизация общества − глобальный социальный процесс, особенность которого состоит в том, что основным видом деятельности в сфере общественного производства является сбор, накопление, продуцирование, обработка, хранение, передача и использование информации, осуществляемые на основе современных средств электронной и вычислительной техники, а также на базе разнообразных средств информационного обмена.
В современном обществе при использовании информационных технологий появляются новые возможности касательно содержания, организации и методологии обучения в зависимости от индивидуальных качеств учащихся, что, несомненно, необходимо на всех этапах образования. Для достижения высоких показателей качества образования необходимо прежде всего внедрение новых форм обучения на всех степенях образования.
Улучшение методической работы, научной работы ([66]-[70]) и совершенствование педагогического мастерства преподавателей – взаимосвязанные и взаимообусловленные процессы, направленные на формирование главной фигуры учебно-воспитательного процесса – преподавателя.
4.4. Нейронная сеть как инструмент формирования прогнозной оценки стоимости компании
Евсюков В.В.
Постановка задачи. Сложившиеся в последние годы сложные условия ведения бизнеса обострили проблему адекватной оценки стоимости компаний. Актуальность данной проблемы во многом подтверждается увеличением количества сделок по слиянию и поглощению российских компаний. Для приобретателя необходимо наиболее точно определить выгоды от покупки доли или целой компании, сопоставив их с издержками на слияние или поглощение для определения наиболее экономически выгодной стоимости сделки.
Согласно данным бюллетеня «Рынок слияний и поглощений» агентства AK&M, российский рынок слияний и поглощений (M&A) сохраняет тенденцию роста [71]. В 2017 г. было совершено 460 сделок M&A с участием российских компаний, что на 2% выше по сравнению с
2016 г. Общая стоимость сделок составила $51,6 млрд. при росте на 25,9%.
Следует отметить, что стоимость российских компаний остается относительно невысокой. Совокупный удельный вес сделок стоимостью до $50 млн. на российском рынке M&A в 2017 г. составил 77,6%, а доля нижнего ценового диапазона (до $10 млн.) достигла 46,1%.
При этом одновременно практически вдвое увеличилась доля крупных (от $500 млн. и выше) сделок.
Среди отраслей экономики наибольший объем сделок M&A в 2017 г. пришелся на топливно-энергетический комплекс. Количество транзакций выросло в 2,3 раза, а объем сделок достиг $15,16 млрд., что составило 29,4% совокупного объема российского рынка M&A.
Далее в рейтинге находятся финансовые институты с объемом сделок на $8,56 млрд. (16,6% объема рынка), из которых санация
Центробанком РФ банка ФК «Открытие» оценивается $8 млрд.
Объем сделок в сфере услуг составил $6,56 млрд. (16,6% объема рынка), что в 7 раз больше по сравнению с 2016 г.
В целом в 2017 г. рост активности на рынке M&A был отмечен во многих сферах экономики, включая торговлю, строительство, металлургию, пищевую промышленность, сельском хозяйстве.
Во многом наблюдающийся рост активности на рынке M&A обусловлен существенным увеличением количество банкротств компаний и санаций банков, включая крупные банки. Так, по данным Единого федерального реестра сведений о банкротстве, количество банкротств российских компаний в 2017 г. достигло 13577, увеличившись по сравнению с 2016 г. на 7,7% [72].
Следует отметить снижение объема сделок с российскими активами иностранных инвесторов в 3,8 раза по сравнению с 2016 г. (общий объем составил $3,9 млрд.), что предопределилось антироссийскими санкциями и высокими рисками для инвесторов.
Определение адекватной оценки стоимости компании предполагает проведение глубокого экономического анализа многих, влияющих на ее стоимость факторов (показателей), включая общую задолженность, свободный денежный поток, рыночную капитализацию, финансовый рычаг, рост продаж компании и др. Особенностью оценки стоимости российских компаний является необходимость учета влияния внешнеполитических факторов.
Как в международной, так и в отечественной практике оценки рыночной стоимости компаний наиболее широко применяют три подхода: сравнительный, доходный и затратный [73].
В основе сравнительного подхода (метод коэффициентов и др.) используется процедура сравнения компании-объекта сделки с несколькими схожими компаниями с известными оценками о стоимости сделок с ними. При этом все компании должны принадлежать к одной отрасли, быть сопоставимыми по размерам, объемам продаж, суммарной стоимости активов, рыночной капитализации, темпам роста доходов.
Характерной особенностью методов оценки стоимости компаний на основе затратного подхода (метод оценки стоимости чистых активов и др.) является определение затрат, необходимых для замещения или восстановления объекта оценки.
В рамках доходного подхода оценка стоимости компаний основывается на определении ожидаемых доходов от деятельности компании с учетом их дисконтирования относительно текущего момента времени. На практике широкое распространение получил метод дисконтированных денежных потоков.
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ РЕГИОНА: ТЕОРИЯ И ПРАКТИКА
77
Каждый из перечисленных подходов и методов характеризуется определенными особенностями, позволяющими получить более точные оценки стоимости компании в определенных ситуациях.
Существуют рекомендации по применению того или иного метода с учетом цели конкретной сделки [74]. При выборе стратегии создания и роста компании целесообразно использовать метод коэффициентов или сравнение с компаниями-аналогами, поскольку такая оценка покажет минимальные первоначальные затраты. В ситуации поглощения или присоединения компании предпочтительно применять метод дисконтированных денежных потоков, позволяющий оценить возможный будущий доход от сделки. При реализации стратегии ликвидации логично применять метод оценки стоимости чистых активов, обеспечивающий возможность оценки остаточной стоимости бизнеса.
Ни один из применяемых на практике методов оценки не позволяет определить "правильное" значение стоимости компании в прогнозном периоде, поскольку помимо различий в подходах к этой проблеме существует и общая причина - неопределенность будущего развития ситуации на рынке. Эта особенность предопределяет поиск новых методов оценки стоимости компаний.
Одним из перспективных направлений решения данной проблемы является применение методов интеллектуального анализа данных
(нейронных сетей, генетических алгоритмов, нечеткой логики и др.). В последние годы устойчивый тренд при поиске решений широкого круга задач в сфере экономики и финансов сформирован применением методов интеллектуального анализа данных, адекватных уровню неопределенности, присущей таким задачам [75].
В данной работе приведены результаты сравнительного анализа двух подходов к оценке стоимости компании: распространенного в российской практике метода расчета дисконтированных денежных потоков - как типичного представителя группы классических методов, и метода на основе построения прогнозных оценок с использованием нейронной сети - как представителя группы методов интеллектуального анализа данных.
Информационную базу исследования составили данные из базы Bloomberg о 102 сделках слияний и поглощений российских компаний за период с 2005 по 2014 гг. [76].
Каждая из рассматриваемых сделок характеризуется рядом показателей (табл.1), которые, за исключением показателя Announced Value, можно рассматривать как внутренние факторы, влияющие на стоимость сделки (стоимость компании-цели).
Сведения о состоявшихся сделках сведены в таблицу со 102 строками, каждая из которых характеризует конкретную сделку.
Необходимо, используя выборку данных из базы Bloomberg о сделках слияний и поглощений российских компаний, определить прогнозные оценки стоимости компании на основе обоих методов и провести сравнительный анализ полученных результатов с реальным значением показателя Announced Value.
Таблица 1 - Показатели сделок слияний и поглощений (млн. руб.)
Оценка стоимости компании на основе метода дисконтированных денежных потоков. В качестве примера для определения прогнозной оценки стоимости используем компанию со следующими значениями параметров (табл. 2).
В таблице 2 левый столбец содержит набор показателей по реализованной сделке с конкретной компанией, значения которых взяты непосредственно из базы Bloomberg. Реальная стоимость сделки по покупке данной компании (Announced Value) составила 200 млн. руб.
Правый столбец таблицы включает последовательность значений показателя FCF_YIELD (FCF) этой компании за период с 2005 по
2014 гг. Данная последовательность значений необходима для вычисления среднего темпа прироста денежного потока (g), используемого в процессе определения прогнозной оценки стоимости компании.
Таблица 2 - Параметры исследуемой компании (млн. руб.)
Используемая схема определения оценки стоимости компании базируется на модели Гордона
, где
- стоимость компании в постпрогнозный период или остаточная стоимость бизнеса;
- денежный поток доходов за первый год постпрогнозного периода;
R - ставка дисконтирования;
g- долгосрочные темпы прироста денежного потока.
Термин "постпрогнозный" период соответствует федеральному стандарту "Оценка бизнеса (ФСО № 8)". Постпрогнозная
(терминальная) стоимость - это ожидаемая величина стоимости на дату окончания прогнозного периода. Применительно к рассматриваемому примеру (табл. 2) постпрогнозный период начинается после 2014 г.
Применение модели Гордона предполагает принятие ряда ограничений:
- темпы роста дохода компании должны быть стабильны;
- темпы роста дохода не могут быть выше ставки дисконтирования;
- капитальные вложения в постпрогнозном периоде должны быть равны амортизационным отчислениям (для случая, когда в качестве дохода выступает денежный поток).
В практическом руководстве А. Грегори [78] представлена модифицированная модель, предназначенная для расчета капитала:
№ п/п
Имя
Описание
Ранг
1
Announced Value
Стоимость сделки
100,1 – 32585,8 2
Current Value
Текущая стоимость компании
100,1 – 34466,4 3
TOT_LIAB
Общая задолженность компании
1353,3 - 530240 4
FCF_YIELD
Свободный денежный поток rомпании
-75,88 – 185,186 5
MKT_CAP
Рыночная капитализация компании
1594 - 677942 6
FNCL_LVRG
Финансовый рычаг компании
1,1605 - 11,3225 7
SALES_GROWTH
Рост продаж компании
-25,3186 - 58,5658 %
Current Value =265
Годы
FCF
TOT_LIAB =158,905 2005 8,9
FCF_YIELD =13,3 2006 9,0
MKT_CAP =150,01 2007 10,6
FNCL_LVRG =1,2 2008 11,0
SALES_GROWTH =10,67 2009 11,2 2010 11,9 2011 12,5 2012 13,0 2013 12,8 2014 13,3
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ РЕГИОНА: ТЕОРИЯ И ПРАКТИКА
78
Здесь WACC (weighted average cost of capital) - средневзвешенная стоимость капитала или средняя процентная ставка по всем источникам финансирования компании.
После вычисления терминальной стоимости компании необходимо уточнить ее стоимость с учетом дисконта в постпрогнозном периоде с использованием коэффициента дисконтирования.
Для определения среднего долгосрочного темпа прироста денежного потока используем имеющиеся ретроспективные данные (табл. 2).
Расчет ставки дисконтирования (R).
Ставка дисконтаR рассчитана с помощью модели WACC.
WACC = Kl (1-t)Wl + KeWe , где: Kl – стоимость заемного капитала %;
Wl – доля привлеченного капитала;
Ke – стоимость собственного капитала %;
We – доля собственного капитала; t – налог на прибыль 20 %.
Поскольку из таблицы 2 известно значение финансового рычага (FNCL_LVRG=L/E=1,2) и Wl+We=1, то Wl/(1-Wl)=1,2
Соответственно, Wl=0,55 и We=1-0,55=0,45.
При известном L = TOT_LIAB = 158,905 найдем E=158,905/1,2=132,421.
Стоимость собственного капитала равна его рентабельности =FCF/E=13,3/132,421*100%=10.04%
Стоимость заемного капитала = FCF/L = 13,3/158,905 = 8.37%.
WACC=8.37*0.8*0.55+10.04*0.45=3.68+4.52=8.2%
Средний темп прироста денежного потока (g) определѐн на основании предоставленных ретроспективных данных и результатов таблицы 4: g = (1,011+1,178+1,038+1,018+1,063+1,05+1,04+0,985+1,039)/9*100% - 100% = 104,69% - 100% = 4,69%.
Расчет коэффициента дисконтирования: k = 1 / (1 + WACC)^n.
Расчет коэффициента капитализации:
K = WACC – g = 8.2% – 4,69% = 3.51%.
Дисконтирование стоимости компании проводится на конец прогнозного периода.
Терминальная стоимость компании определяется c учетом денежного потока первого постпрогнозного 2015 г. (табл. 3).
????
???????????????? =
13,9 0,0351
=396
Таблица 3 - Расчѐт терминальной стоимости компании
В качестве величины денежного потока был использован показатель свободного денежного потока компании (FCF).
Результаты расчета в среде Excel стоимости компании на основе метода дисконтирования денежных потоковприведены в таблице 4.
Таблица 4 - Расчѐт рыночной стоимости бизнеса
Годы
FCF, млн. руб.
В % к предыдущему году
Ставка дисконта
Коэффициент дисконтирования
Текущая стоимость FCF, млн. руб.
Факт
2005 8,9 2006 9,0 9,0/8,9*100%==101,1%
2007 10,6 117,8%
2008 11,0 103,8%
2009 11,2 101,8%
2010 11,9 106,3%
2011 12,5 105%
2012 13,0 104%
2013 12,8 98,5%
2014 13,3 103,9%
Прогноз
2015 13,9 104,69%
8,2%
1/(1+0,082)^1=0.92 13,9*0.92=12,8
Терминаль ная стоимость
396 8.2%
0.92 364,32
Таким образом, стоимость компании в 2015 г., определѐнная методом дисконтирования денежных потоков, составила 364.32 млн. руб. при стоимости реальной сделки по покупке данной компании 200 млн. руб. Определение прогнозной оценки стоимости компании на основе метода дисконтирования денежных потоков дает значительную переоценку ее стоимости, что содержит в себе риск недополучения будущих выгод от покупки данной компании.
Формирование прогнозной оценки стоимости компании с использованием нейронной сети. Для решения задачи формирования прогнозной оценки стоимости компании с использованием нейронной сети используем аналитическую платформу Deductor , являющуюся основой для создания законченных прикладных решений в области анализа данных [79].
Система Deductor предназначена для решения широкого спектра задач, связанных с обработкой структурированных и представленных в виде таблиц данных. При этом область приложения системы может быть практически любой - финансовые рынки, страхование, торговля, телекоммуникации, промышленность, медицина, логистические и маркетинговые задачи и множество других.
Прогнозирование - одна из наиболее востребованных задач анализа. В Deductor включено несколько механизмов построения прогностических моделей, в том числе с использованием самообучающихся алгоритмов.
Кроме того, имеются механизмы, позволяющие автоматически строить прогнозы на основе временного ряда на несколько шагов вперед. Достаточно построить модель, прогнозирующую изменение на 1 шаг, и автоматически использовать ее на произвольное количество отсчетов вперед.
Денежный поток последнего прогнозного периода
13,3
Темп прироста
4.69%
Денежный поток первого постпрогнозного года
13,9
Коэффициент капитализации
3.51%
Стоимость бизнеса в постпрогнозный период
396
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ РЕГИОНА: ТЕОРИЯ И ПРАКТИКА
79
Построение моделей - наиболее универсальный способ анализа. В действительности при анализе мы в том или ином виде всегда имеем некую модель исследуемого процесса или объекта. Но не всегда эта модель формализована, т.е. описана таким образом, чтобы ей мог воспользоваться кто-то в режиме "черного ящика": подали данные на вход, а на выходе получили результат.
В платформе Deductor основной акцент при формировании набора инструментальных средств сделан на использование самообучающихся методов и методов машинного обучения. Реализующие их алгоритмы являются универсальными, решающими большой спектр задач и при этом просты в применении.
При помощи Deductor можно не только строить модели, но и провести анализ по принципу "что-если", т.е. оценить, как может измениться тот или иной показатель при изменении любого влияющего фактора. Для реализации этого простого в использовании и одновременно мощного механизма предназначен специальный визуализатор.
DeductorStudio - аналитическое ядро платформы Deductor. DeductorStudio содержит полный набор механизмов импорта, обработки, визуализации и экспорта данных для быстрого и эффективного анализа информации.
Мастер импорта позволяет загружать базу данных в пакет. Мастер обработки, включающий в себя такой обработчик, как DataMining, позволит построить с его помощью нейросеть - инструмент, который может быть использован для решения задач прогнозирования.
Мастер визуализации поможет выбрать и настроить наиболее удобный способ представления данных, а мастер экспорта позволит представить данные в удобном формате.
После загрузки пакета Deductor доступен только один элемент управления - Мастер импорта, используемый для ввода анализируемых данных (рис. 1):
Рисунок 1. Окно для выбора типа файла с данными
Особенностью используемой версии Deductor является ограничение возможности представления данных в текстовом формате.
Следующее окно Мастера импорта позволяет указать место расположения файла, содержащего примеры сделок для обучения и тестирования нейронной сети (рис. 2).
Рисунок 2. Задание файла с данными
Загруженные данные после процедуры форматирования представлены в следующем виде (рис. 3).
1 ... 16 17 18 19 20 21 22 23 ... 38