Анализ экономической прибыли в телекоммуникационной отрасли

 

2.2. Модель исследования  и анализ результатов

В рассматриваемую выборку вошли 12 публичных российских компаний, имеющих консолидированную финансовую отчетность по МСФО с 2005 по 2009 г., и 22 публичных зарубежных компаний, опубликовавших свою финансовую отчетность за тот же период в формате US GAAP или IFRS. В данной выборке присутствуют лишь те компании, которые предоставляют услуги мобильной и фиксированной связи, а также услуги передачи данных и широкополосного доступа в Интернет. Компании, активно занимающиеся производством и продажей телекоммуникационного оборудования, в выборку включены не были. Кроме того, в выборку вошли те компании, которые являются открытыми акционерными обществами, и акции которых котируются на бирже. Для поиска информации использовались базы Factiva и Спарк, которые публикуют информацию о деятельности компании за последние несколько лет, а также корпоративные веб-сайты. Всего было получено 149 наблюдений в виде панели данных. Список вошедших в выборку компаний представлен в таб. 1:

Таблица 1. Список исследуемых  компаний

Название компании	Страна/регион	Характеристика рынка  капитала
МТС, ВымпелКом, МГТС, Уралсвязьинформ, Волгателеком, Дальсвязь, Северо-Западный Телеком, ЮТК, Центртелеком, Сибирьтелеком, Таттелеком, Ростелеком	Россия	Развивающийся
Telecomunicacoes de Sao Paulo, Embratel, TIM Participacoes SA, Tele Norte Leste, Vivo	Бразилия	Развивающийся
Telefonica O2 Czech Republic (Чехия), Telekom Slovenije (Словения), Magyar Telekom Nyrt. (Венгрия)	Центральная Европа	Развивающийся
Bulgarska telekomunikatsionna kmp AD (Болгария), Turkcell Iletisim Hizmetleri (Турция)	Восточная Европа	Развивающийся
COLT Telecom Group SA, Inmarsat Plc, KCOM Group Plc, Jazztel Plc, Spirent Communications Plc, Redstone Plc, Daisy Group Plc	Великобритания	Развитый
Freenet AG	Германия	Развитый
Tecnocom Telecomunicacione	Испания	Развитый
Fastweb, Eutelia	Италия	Развитый
Eutelsat Communications	Франция	Развитый

 

Исследовательская модель построена  на многофакторной регрессии. Основная модель представлена следующим уравнением:

, где

Mrt_struct – качественная переменная, равная 1, если компания взаимодействует в рамках монополии/олигополии; 0 – иначе;

D/E – финансовый рычаг i-компании за год t;

Invest – качественная переменная, равная 1, если в составе Совета директоров компании присутствуют иностранные инвесторы;

Years – количественная переменная, обозначающая то количество лет, сколько компания осуществляет свою деятельность;

D₁ – дамми-переменная типа рынка капитала. Для компаний, действующих на развивающемся рынке капитала, D₁=1, для развитого рынка капитала D₁=0.

Экономическая прибыль RIt компании за год t рассчитывается на основе модели экономической добавленной стоимости, то есть на инвестированный капитал начала отчетного года:

, где

NOPAT_adj – чистая операционная прибыль после налогообложения, скорректированная с учетом особенностей отрасли телекоммуникаций;

WACC – средневзвешенные затраты на капитал компании;

CE – инвестированный капитал компании.

Для определения показателя NOPAT были внесены некоторые поправки, так как при анализе финансовой отчетности компаний был выявлен ряд особенностей. Во-первых, компании данной отрасли обладают весомыми объемами нематериальных ресурсов в структуре баланса. Это объекты интеллектуальной собственности, такие как патенты на изобретение, исключительные права на программы ЭВМ, базы данных, товарный знак и т.д. Таким образом, для отрасли телекоммуникаций зачастую характерны большие объемы амортизации нематериальных активов. Однако в отчетности компании не амортизируют, как правило, репутацию. Именно поэтому операционная прибыль была скорректирована лишь на величину амортизации нематериальных активов (AmIA). Во-вторых, лишь малое количество компаний публикуют информацию о расходах на НИОКР, поэтому данный фактор не был учтен в качестве поправки. В-третьих, величина операционная прибыли компаний корректировалась на увеличение резерва по сомнительной задолженности за год (IDD). В итоге, расчет NOPAT производится по следующей формуле:   

Инвестированный капитал  определен как сумма собственных  и процентных заемных средств  компании на конец предыдущего отчетного  года, с учетом поправки на краткосрочные  финансовые вложения (FI) и денежные средства и их эквиваленты (Cash):

, где

LTD – долгосрочный долг;

STD – краткосрочный процентный долг;

E – акционерный капитал.

WACC представляет собой барьерную ставку, выражающую минимально допустимую доходность капитала компании, если неизменен операционный и финансовый риск, а также сохраняется структура капитала, и определяется по формуле:

Расчет затрат на заемный  капитал (Kd) проводится на основе модели риска дефолта:

, где

Rf – безрисковая ставка, в качестве которой берется годовая доходность по 30-летним американским государственным облигациям (Treasury Bonds);

CRP – страновая премия за риск инвестирования, выражается спредом дефолта;

Default spread – спред дефолта для компании; представляет собой дополнительный риск вложений в нее и определяется на основе кредитного рейтинга, который присваивается рейтинговыми агентствами для компаний.

Требуемая доходность по собственному капиталу (Ke) определяется с помощью модифицированной модели САРМ:

(Rm-Rf) – рыночная премия за риск на американском рынке;

β – мера систематического риска вложений в данную компанию, представляет собой рычаговую бета компании. Коэффициент бета компании рассчитаем на основе модели Р.Хамады:

Отраслевые рычаговая  и безрычаговая бета берутся для  отрасли телекоммуникационных услуг  на американском рынке, с учетом среднеотраслевых показателей соотношения D/E и среднеотраслевой налоговой ставки.

На первоначальном этапе  исследования были проанализированы описательные статистики основных переменных исходной выборки, таких как EVA, рентабельность инвестированного капитала, средневзвешенные затраты на капитал, финансовый рычаг, соотношение краткосрочных и долгосрочных заемных средств (таб. 2):

Таблица 2. Описательная статистика исходных данных

 

	EVA, th EUR	ROIC	WACC	D/E	STD/LTD	Invest
Mean	106847.9	0.108641	0.100870	1.062612	0.566106	0.463087
Median	3221.462	0.108127	0.110758	0.712095	0.327256	0.000000
Maximum	2276981.	0.507332	0.128077	8.475726	7.556196	1.000000
Minimum	-428460.3	-0.545017	0.063654	0.000000	0.000000	0.000000
Std. Dev.	332900.6	0.156868	0.018545	1.191935	0.891049	0.500317

 
 На основании данной таблицы  можно сделать ряд следующих  наблюдений. В большинстве случаев  телекоммуникационные компании за рассмотренный  период имеют положительные экономические прибыли, о чем свидетельствует положительное значение медианы данного показателя (Median=3321,5). При этом, отмечается положительная динамика данного показателя с 2005 по 2008 г. Однако в 2009 г. многие компании (53%) разрушили свою стоимость, что связано со снижением рентабельности инвестированного капитала, так как во время кризиса компании увеличили объем краткосрочного долга. Более того, иностранные компании, оперирующие на развитом рынке капитала, вошедшие в данную выборку, демонстрируют отрицательные операционные прибыли, связанные с ценовыми войнами.

Статистические значения финансового рычага демонстрируют, что соотношение заемных средств  к собственным, как правило, составляет около 71%. Это говорит о том, что компании используют более дешевые источники финансирования в качестве финансирования своей деятельности. Однако, при данном уровне финансового рычага повышаются издержки банкротства, о чем не следует забыть менеджерам компаний. Стоит также отметить, что структура заемных средств характеризуется более активным использованием долгосрочных кредитов, что позволяет компаниям поддерживать уровень ликвидности. Среднее соотношение STD/LTD составляет 56,6%. Несколько зарубежных компаний вообще не прибегает к привлечению краткосрочных средств в ряде периодов.

Следует заметить, что из 11 российских телекоммуникационных компаний лишь 4 имеют иностранных стратегических инвесторов среди своих акционеров («МТС», «Вымпелком», «МГТС», «Таттелеком»). В частности, это компании-акционеры из Германии, Франции и Великобритании.

При тестировании модели была проведена проверка на наличие мультиколлинеарности и гетероскедастичности. В таб. 3 представлены результаты проверки на мультиколлинеарность.

 

	Mrt_struct	D/E	Invest	Years	D1
Mrt_struct	1.000000	0.010884	0.222862	-0.008230	0.819059
D/E	0.010884	1.000000	-0.140333	0.155357	-0.177744
Invest	0.222862	-0.140333	1.000000	0.057883	0.124669
Years	-0.008230	0.155357	0.057883	1.000000	-0.296262
D1	0.819059	-0.177744	0.124669	-0.296262	1.000000

 

Согласно представленной выше таблице, между структурой рынка и типом рынка капитала существует достаточно сильная положительная зависимость (коэффициент корреляции равен 0,819), что говорит о возможности наличия мультиколлениарности между данными переменными. Существование такой зависимости приводит к тому, что оценки параметров модели могут обладать не очень хорошим качеством. Проверить регрессию на мультиколлинеарность можно, построив вспомогательную регрессию (таб. 4), объясняющую зависимость между данными переменными. Вывод может быть сделан либо на основе полученного значения детерминации, либо на основе таких показателей, как толерантность (TOL) и вздутие дисперсии (VIF). Если переменные мультиколлинеарны, то TOL≤0,1  VIF≥10, а R²≥0,9. Полученный коэффициент детерминации составил 0,67, а показатели толерантности и вздутия дисперсии 0,33 и 3,03 соответственно. Таким образом, гипотеза о наличии мультиколлинеарности не подтверждается.

Таблица 4. Вспомогательная  регрессия

Dependent Variable: MRT_STRUCT
Method: Least Squares
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.236364	0.035041	6.745369	0.0000
D01	0.763636	0.044117	17.30942	0.0000
R-squared	0.670858
Adjusted R-squared	0.668619
Prob(F-statistic)	0.000000

 
 Однако, была также выявлена зависимость дисперсии остатков от номера наблюдения, то есть гетероскедастичность. Для устранения данной проблемы была проведена процедура коррекции с целью использования взвешенного метода наименьших квадратов. Результаты проверки гипотез и тестирования модели со взвешенными коэффициентами представлены в таб.3. Повторная проверка на наличие гетероскедастичности данной проблемы не выявила. Взвешенный МНК привел к улучшению качества модели (рост скорректированного коэффициента детерминации с 18% до 24%).