Методы оценки рыночной стоимости миноритарных пакетов акций российских предприятий (на примере оценки 15% пакета акций ОАО "Гостиница "Третий Рим") (стр. 3 из 22)

Под компаниями-аналогами понимаются компании, которые представляют собой базу для сопоставления с оцениваемой компанией по сравнительным инвестиционным характеристикам. В идеале компании-аналоги действуют в той же отрасли, что и оцениваемые компании, однако, если по предприятиям данной отрасли отсутствует достаточная информация о сделках, может возникнуть необходимость рассмотреть другие компании, схожие с оцениваемой компанией по таким инвестиционным характеристикам, как рынки сбыта, продукция, темпы роста, зависимость от циклических колебаний, а также по другим существенным параметрам.

Сравнительный подход базируется на фундаментальном принципе оценки – принципе замещения, описанном в разделе 2.1.

Неоспоримыми достоинствами сравнительного подхода является то, что:

· это единственный подход, базирующийся, главным образом, на рыночных данных;

· подход отражает реальную нынешнюю практику покупателей и продавцов.

Недостатки подхода связаны с:

· трудностями в получении данных по сопоставимым компаниям;

· необходимостью целого ряда поправок;

· тем, что метод основан на прошлых событиях и не берет в расчет будущие ожидания.

В рамках сравнительного подхода применимы следующие методы:

1. метод рынка капитала;

2. корреляционно-регрессионный анализ;

3. метод сделок.

Метод рынка капитала

Метод рынка капитала является наиболее часто применимым при оценке бизнеса в связи с доступностью информации о сделках с акциями предприятий, сопоставимых с оцениваемым.

Метод включает в себя следующие этапы:

1. Выбор сопоставимых компаний.

2. Финансовый анализ и сопоставление.

3. Выбор и вычисление оценочных мультипликаторов.

4. Применение вычисленных мультипликаторов к оцениваемой компании.

5. Внесение итоговых поправок.

Метод рынка капитала позволяет вычислить стоимость свободно реализуемой меньшей доли высоколиквидного бизнеса.

Корреляционно-регрессионный анализ

Данный метод является математическим развитием метода рынка капитала.

Для проведения более точного сравнительного анализа возможно использование факторных моделей. Все факторные модели основаны на предположении, что стоимость ценных бумаг испытывает воздействие со стороны определенных переменных факторов, причем в группе родственных ценных бумаг, например, акций компаний одной отрасли, считается, что это воздействие одинаковое.

Несмотря на статистические методы, применяемые для проверки значимости моделей, при отборе факторов существует некоторая свобода действий, которая предполагает углубленный анализ исследуемой отрасли в целях построения модели, наиболее полно отражающей стоимость ценных бумаг компаний этой отрасли.

В экономических исследованиях одной из основных задач является анализ зависимостей между этими показателями. Зависимость может быть строгой (функциональной), либо статистической. Однако любая функциональная зависимость в определенной степени является абстракцией, поскольку в окружающем мире, частью которого является экономика, значение конкретной величины не определяется неизменной формулой ее зависимости от некоторого набора других величин. Всегда есть одна или несколько величин, которые определяют основные тенденции изменения рассматриваемой величины. Поэтому в экономической теории и практике ограничиваются тем или иным кругом таких величин (объясняющих переменных). Однако всегда существует и воздействие большого числа других, менее важных или трудно идентифицируемых факторов, приводящих к отклонению значений объясняемой (зависимой) переменной от конкретной формулы ее связи с объясняющими переменными, сколь бы точной эта формула ни была. Нахождение, оценка и анализ таких связей, идентификация объясняющих переменных, построение формул зависимости и оценка их параметров – основные этапы построения факторных моделей.

Основой при оценке возможных зависимостей между переменными являются статистические данные об этих переменных. Эти данные представляют собой некоторую выборку из генеральной совокупности. Простейшая форма зависимости – это линейная зависимость, и проверка наличия такой зависимости между переменными, оценивание ее индикаторов и параметров – одно из важнейших направлений приложения математической статистики и экономического анализа.

Для определения правильности высказанного предположения существуют специальные статистические методы и, соответственно, показатели, значения которых определенным образом (и с определенной вероятностью) свидетельствуют о наличии или отсутствии линейной связи между переменными. К важнейшим показателям относятся: коэффициент корреляции, коэффициенты линейной регрессии, стандартные ошибки, t-статистика (распределение Стьюдента), F-статистика (распределение Фишера), коэффициент детерминации.

Уравнение регрессии – это формула статистической связи между переменными. Если эта формула линейна, то речь идет о линейной регрессии.

Стандартная линейная регрессионная модель имеет следующий вид:

(1)

где α - константа;

Y - вектор объясняемых (зависимых переменных);

β- коэффициенты модели, веса или параметры;

X - вектора объясняющих (независимых) переменных;

ε - вектор регрессионных остатков.

Для анализа общего качества оцененной линейной регрессии используют обычно коэффициент детерминации

, называемый также квадратом коэффициента множественной корреляции. Если существует статистически значимая линейная связь между переменными, то коэффициент детерминации близок к единице. Но если имеется перекрестная выборка, то есть данные об однотипных объектах в один и тот же момент времени, то для оцененного по ним уравнения линейной регрессии величина коэффициента детерминации обычно равна 0,6-0,7.

Для определения статистической значимости коэффициента детерминации проверяется нулевая гипотеза для F-статистики, рассчитываемой по формуле (2).

(2)

При этом нулевая гипотеза проверяется по критическим значениям таблицы распределения Фишера. Для проверки этой гипотезы при заданном уровне значимости по таблицам находится критическое значение F (распределения Фишера) и нулевая гипотеза отвергается, если F>FКРИТ , то есть коэффициент детерминации признается значимым. Таким образом, для того, чтобы отвергнуть гипотезу о равенстве нулю одновременно всех коэффициентов линейной регрессии и, соответственно, о статистически значимой линейной связи между рассматриваемыми переменными, коэффициент детерминации может быть не очень близким к единице. Его критическое значение для данного числа степеней свободы уменьшается при росте числа наблюдений и может стать малым. При этом величина коэффициента детерминации (точнее, рассчитанной по нему F-статистики, поскольку последняя учитывает число наблюдений и число объясняющих переменных) может служить отображением общего качества регрессионной модели.

Линейная регрессия получила широкое распространение в экономических науках. На фондовом рынке линейная регрессия получила распространение благодаря работам американского экономиста Барра Розенберга, специалиста по эконометрике в области финансов.

Построение корреляционно-регрессионной модели состоит из пяти этапов:

1) сбор данных и их проверка;

2) выбор факторов;

3) построение модели;

4) проверка значимости модели;

5) расчет рыночной стоимости.

Рассмотрим каждый из этих этапов.

Сбор данных и их проверка

При построении корреляционно-регрессионной модели для расчета стоимости предприятий одной из основных задач является определение места, занимаемого российскими предприятиями в рамках рынка Российской Федерации по той или иной отрасли.

Основной критерий отбора: компании представляют собой акционерные общества, акции которых имеют свободное обращение на основных торговых площадках фондового рынка Российской Федерации.

Выбор факторов

Выбор факторов определяется предварительным анализом факторной модели на основе экспертных оценок. Для обоснованного определения набора факторов необходимо провести тщательное обследование анализируемой отрасли.

Построение модели линейной регрессии

В отдельных случаях, когда данные оказываются неоднородными, имеет смысл для построения модели провести процедуру линеаризации, путем логарифмического шкалирования исходных данных. Эта операция позволяет избежать искажения данных за счет неоднородности выборки, поскольку некоторые факторы возрастают не линейно, а экспоненциально. Логарифмирование позволяет перейти от абсолютного прироста к относительному.

В этом случае модель принимает вид, описанный формулой (3).

(3)

Проверка значимости модели

Для проверки значимости модели проводится ряд статистических тестов, позволяющих определить значимость построенной модели.