Техническая эффективность как фактор финансовой

Техническая эффективность как фактор финансовой устойчивости
российских промышленных компаний
Ипатова И.1, Могилат А.2
Одним из ключевых факторов успеха и финансовой стабильности промышленной
компании является эффективность использования ресурсов в производственном процессе.
В мировой литературе по анализу финансовой устойчивости в реальном секторе
экономики в качестве агрегированной меры производительности всех факторов
используется
оценка
технической
эффективности,
полученная
при
помощи
эконометрического метода стохастической границы (SFA)3. В отличие от оценки
производительности ресурсов (труда, физического и человеческого капитала и др.)
«напрямую», которая зачастую представляет собой нелегкую задачу в силу невысокого
качества статистики (особенно это обстоятельство актуально для России), показатель
технической эффективности позволяет в некоторой степени нивелировать статистические
«выбросы».
Тем не менее, стоит отметить, что в современной литературе по моделированию
вероятности
дефолта/банкротства
в
реальном
секторе
использование
показателя
технической эффективности в качестве фактора риска, скорее, редкость, чем правило, в
том числе в силу трудоемкости оценки данного показателя. Техническая эффективность в
качестве фактора риска финансовой устойчивости впервые использована в работе
(Becchetti, Sierra, 2003) – для компаний и в работе (Koetter, Porath, 2007) – для банков. Мы
попытались сделать шаг в направлении развития подхода к использованию технической
эффективности
для
оценки
рисков
финансовой
устойчивости
в
российском
корпоративном секторе.
Исследование опирается на выборку российских промышленных компаний, объем
годовой выручки которых хотя бы раз в течение периода 2002–2013 гг. превысил
80 млн. руб.4 (источник данных – система «БИР-Аналитик»). Период анализа – 2005–
2011 гг. (годовые данные) – выбран в соответствии с имеющимися ограничениями по
данным (по показателю «количество работников»).
В ходе исследования были получены ответы на следующие вопросы:
Эксперт ЦМАКП, стажер-исследователь ЛАПЭП (ЦФИ), iipatova@forecast.ru
Ведущий экономист Банка России, mogilatan@cbr.ru. Содержание материала выражает личную
позицию авторов и может не совпадать с официальной позицией Банка России
3
См., например, (Koutsomanoli-Filippaki, Mamatzakis, 2009; Saeed, Izzeldin, 2014)
4
Пороговое значение выручки установлено экспертно. Ограничение по выручке установлено на
горизонте, превышающем по продолжительности период оценивания, чтобы учесть в ходе анализа как
крупные компании, так и те, которые были крупными, например, в 2002-2004 гг., а потом резко «сдали
позиции». Учет последних важен с точки зрения апробации качества классификации модели банкротства.
1
2
−
играет ли оценка технической эффективности значимую роль при анализе рисков
финансовой устойчивости в российском корпоративном секторе?
−
каков предельный вклад технической эффективности в оценку вероятности риска
банкротства российских промышленных компаний?
−
имеет ли место и насколько значимо улучшение качества апостериорной
классификации на основе модели банкротства с участием показателя технической
эффективности в числе факторов?
Структура работы включает два этапа:
1. Оценка технической эффективности российских промышленных компаний
методом стохастической границы (SFA).
Метод SFA предполагает, что обычная ошибка в уравнении регрессии состоит из
нескольких независимых компонент. В самых простых моделях присутствуют нормально
распределенная ошибка и всегда неотрицательная компонента неэффективности.
Мы оцениваем несколько моделей, отличающихся структурой данных (сквозные
или панельные регрессии), спецификацией производственной функции (Кобба-Дугласа
или
транслогарифмическая)
и
предполагаемым
распределением
компоненты
неэффективности (нормальное, экспоненциальное, усеченное нормальное). В качестве
зависимой переменной выступает логарифм общей выручки, независимых – логарифмы
капитала, численности занятых и оборотных средств, а также дамми-переменные на года и
на отрасли.
2. Оценка вероятности банкротства российских промышленных компаний на
основе эконометрической логит-модели со смешанными эффектами (MixedEffects Logistic Regression).
В качестве моделируемого события в модели выступает начало процедуры
банкротства в отношении компании. Под датой банкротства подразумевается дата первого
упоминания в СМИ («Коммерсант», «Российская газета», ЕФРСБ):
− о введении процедуры наблюдения в отношении компании;
− о признании компании банкротом и введении в отношении неё процедуры
конкурсного производства в случае, если:

конкурсное
производство
вводится
в
рамках
упрощенной
процедуры
банкротства;

в течение периода 2007–2011 гг. отсутствуют иные упоминания об участии
компании в процедуре банкротства.
Методика оценки модели банкротства опирается на описанную в работе
(Сальников и др., 2012), однако существенно модифицирована по сравнению с ней:
отраслевые эффекты, для учета которых ранее использовался показатель рентабельности
активов на уровне отрасли, теперь учтены в рамках метода оценивания – логит-модели
на панельных данных с отраслевыми эффектами. Состав микроуровневых переменных
модели практически не изменился:
−
чистая рентабельность активов компании с лагом в 1 год;
−
оборачиваемость активов компании с лагом в 1 год;
−
отношение кредиторской задолженности компании к её активам с лагом в 1 год.
Согласно полученным предварительным результатам (см. табл. 1):
1.
Коэффициенты при основных микроуровневых переменных модели банкротства
показали устойчивость к изменению метода оценивания модели. Согласно результатам
теста отношения правдоподобия, модель с включенными отраслевыми эффектами
предпочтительнее стандартной логит-модели.
2.
Показатель технической эффективности показал высокую значимость в модели
банкротства на данных по российским промышленным компаниям. Чем выше показатель
технической эффективности для компании в предыдущем году, тем меньше вероятность
банкротства.
Таблица 1 – Результаты оценивания модели банкротства
Объясняющие переменные
чистая рентабельность активов
компании с лагом в 1 год
оборачиваемость
активов
компании с лагом в 1 год
отношение
чистой
кредиторской задолженности
компании к ее активам с лагом
в 1 год
техническая эффективность
свободный член
logL
Число наблюдений
Модель 1
-1.08***
(0.13)
-0.27***
(0.02)
0.71***
(0.06)
Модель 2
-1.00***
(0.13)
-0.24***
(0.02)
0.70***
(0.06)
-
-2.24***
(0.22)
-2.27***
(.19)
-7182.93
72233
-3.93***
(0.10)
-7230.79
72233
Примечание: *, **, *** - уровни значимости 10%, 5% и 1%-ый, соответственно. В скобках указаны
стандартные ошибки коэффициентов.
Литература
Сальников В.А., Могилат А.Н., Маслов И.Ю. (2012). Стресс-тестирование компаний
реального сектора для России: первый подход (методологические аспекты). Журнал Новой
Экономической Ассоциации, 4 (16), 46–70.
Becchetti L., Sierra J. (2003). Bankruptcy risk and productive efficiency in manufacturing firms.
Journal of Banking & Finance, 27, 2099–2120.
Koetter M., Porath D. (2007). Efficient, profitable and safe banking: an oxymoron? Evidence
from a panel VAR approach. Discussion paper. Series 2: Banking and Financial Studies 02/2007.
Koutsomanoli-Filippaki A., Mamatzakis E. (2009). Performance and Merton-type default risk of
listed banks in the EU: a panel VAR approach. Journal ofBanking and Finance, 33 (11), 2050–
2061.
Saeed M., Izzeldin M. (2014). Examining the relationship between default risk and efficiency in
Islamic and conventional banks. Journal
http://dx.doi.org/10.1016/j.jebo.2014.02.014
of Economic Behavior
& Organization,