Оценка стоимости компании в парадигме цифровой экономики
 Скачать 0.98 Mb.
|
|
373 ЭКОНОМИКА УДК 334.758: 338.27 ОЦЕНКА СТОИМОСТИ КОМПАНИИ В ПАРАДИГМЕ ЦИФРОВОЙ ЭКОНОМИКИ В.В. Евсюков, Э.В. Хлынин Рассмотрены ключевые тенденции деятельности компаний, отрасли добычи полезных ископаемых, выявлено усиление внимания к управлению портфелями активов компаний. Осуществлен анализ состояния российского рынка слияний и поглощений компаний. Исследована возможность формирования оценки стоимости компаний на основе нейронных сетей. Проведен сравнительный анализ качества оценок стоимости компании с использованием нейронной сети и метода дисконтированных денежных потоков. Ключевые слова: полезные ископаемые, портфель активов, стоимость компа- нии, нейронная сеть, денежный поток. Россия является одним из крупнейших поставщиков полезных ис- копаемых, предлагая на международном рынке более пяти десятков наименований сырья, включая нефть, газ, уголь, железную руду, медь, зо- лото, бокситы и многое другое. Именно доходы от продажи полезных ис- копаемых обеспечивают основу для формирования бюджета страны в те- чение многих лет. По итогам 2018 года консолидированный бюджет России впервые за 5 лет был исполнен с профицитом. Торговый товарный баланс за 2018 год составил 194,4 млрд дол, превысив на 79 млрд дол значение за 2017 год. Определяющую роль в достижении этих результатов сыграло увели- чение экспорта на 25 %, обусловленное, главным образом, повышением среднегодовой цены на нефть, нефтепродукты и газ [1]. По оценкам аналитиков Института экономической политики имени Е.Т. Гайдара, сформированным на основе данных Федеральной таможен- ной службы, в российском экспорте за 2018 год доминировали товары Известия ТулГУ. Науки о Земле. 2019. Вып. 2 374 компаний нефтегазовой отрасли (табл. 1) [2]. Помимо собственно полез- ных ископаемых, в таблицу также включены несколько базовых товаров, производимых экспортно-ориентированными отраслями обрабатывающей промышленности (химия, металлургия) с невысоким уровнем добавленной стоимости в продукции, непосредственно связанными с добычей полезных ископаемых. Таблица 1 Доля базовых товаров в российском экспорте за 2018 год Устойчивую зависимость торгового баланса России от цены на нефть отображают представленные в графическом виде данные (рис. 1). Торговый баланс представлен столбцами поквартально (шкала слева, в млн дол), непрерывная линия отображает индекс цен на нефть (шкала справа, за 100 % принята цена в 1 квартале 1995 года). Рис.1. Торговый баланс и цена нефти за период с 2006 по 2018 годы Товарная группа Доля товар- ной группы в экспорте, % Прирост це- ны экспорт- ных поста- вок, % Нефть сырая 29 +37 Нефтепродукты 18 +34 Газ природный 11 +23 Черные металлы 5,2 +15 Уголь каменный 3,8 +14 Удобрения минеральные 1,7 +14 Газ природный сжиженный (СПГ) 1,2 +9 Алюминий 1,2 +7 Медь 0,9 +4 Никель 0,4 +30 Экономика 375 Российские компании отрасли добычи полезных ископаемых пока- зали в 2018 году уверенный рост, в целом рост производства топливно- энергетических ресурсов за год превысил 7 % [3]. Эти результаты, во многом, достигнуты на фоне устойчивого трен- да восстановления отрасли добычи полезных ископаемых в мировой эко- номике, сопровождаемое ростом цен на многие сырьевые товары. Так, по оценкам специалистов компании PWC, рост выручки 40 ведущих горнодо- бывающих компаний, обеспечивающих более 50 % всего мирового объема основных сырьевых товаров (железная руда, медь, марганец, кобальт и др.), за 2017 год составил 23 %, а их общая рыночная капитализация вы- росла более чем на 200 млн дол [4]. Схожая ситуация сложилась и в нефтегазовой отрасли. После тяже- лого периода с низкими ценами стоимость нефти марки Brent вышла на уровень 70 дол. Важную роль сыграли решения стран ОПЕК и присоеди- нившихся к ним других стран о сокращении общего объема поставок нефти на мировой рынок, ускорившие восстановление равновесия спроса и предложения на новом уровне. Во многом, существенный рост прибыли и улучшение финансового состояния сырьевых компаний были обусловлены реализацией стратегии сокращения затрат, соблюдением строгой финансовой дисциплины, повы- шением производительности труда, внедрением новых технологий, ре- структуризацией портфеля активов. В конечном счете, это привело к росту рентабельности компаний и их способности генерировать денежные пото- ки, а также к росту инвестиционной привлекательности Интересные результаты изменений инвестиционной привлекатель- ности добывающей промышленности в различных странах и регионах ми- ра за 5 лет представлены аналитиками Института Фрейзера [5]. Результаты исследований инвестиционной привлекательности России приведены в табл. 2. В разделе "Место" левая часть дроби указывает занимаемое стра- ной место, а правая часть - общее количество учитываемых в обзоре стран и регионов. Так, по итогам 2017 года Россия заняла 33 место из 91 стран и регионов. Таблица 2 Динамика индекса инвестиционной привлекательности добывающей промышленности России Рейтинг Место 2017 2016 2015 2014 2013 2017 2016 2015 2014 2013 PPI 60,44 64,22 52,15 48,36 48,67 60/91 65/104 75/109 97/122 90/112 IBPMP 72,22 72,22 75,00 67,86 54,76 27/91 28/104 17/109 40/122 67/112 IIA 67,51 69,02 65,86 60,14 52,35 33/91 44/104 47/109 64/122 83/112 Индекс инвестиционной привлекательности (англ. Investment Attractiveness Index, IIA) - интегрированный показатель, рассчитываемый Известия ТулГУ. Науки о Земле. 2019. Вып. 2 376 на основе двух частных компонентов - индекса восприятия политики и ин- декса геологической привлекательности. Индекс восприятия политики (англ. Policy Perception Index, PPI) по- казывает общий уровень привлекательности политики в сфере недрополь- зования различных стран и регионов. Индекс учитывает стабильность за- конодательства, интерпретацию и исполнение действующих законов, политическую стабильность в целом, наличие и объем геологических дан- ных и др. Индекс геологической привлекательности в идеальных условиях (англ. Best Practice Mineral Potential Index, IBPMP). Индекс учитывает осо- бенности налогообложения и законодательства в сравнении с уровнем ми- ровых стандартов, отсутствие политических рисков, стабильность полити- ки в области добычи полезных ископаемых, стимулирование инвестиций в геологоразведку и др. Результаты исследований показывают устойчивую динамику улуч- шения инвестиционной привлекательности добывающей промышленности России — в течение пяти лет наша страна в общем списке стран и регио- нов поднялась с 83 до 33 места. Несмотря на положительную динамику компаний отрасли добычи полезных ископаемых, они сталкиваются с рядом серьезных проблем. Одна из основных проблем — сокращение объемов обнаруженных новых запасов полезных ископаемых. Так, к концу 2017 года объем обна- руженных запасов нефти и газа оказался на самом низком уровне за весь период с начала 1950-х годов. В 2017 году были открыты запасы в объе- ме лишь 3,5 млрд баррелей жидких углеводородов (сырой нефти, газово- го конденсата и широкой фракции легких углеводородов). С одной сто- роны, это объясняется постепенным истощением потенциально имеющихся запасов нефти, что объективно затрудняет открытие крупных месторождений. С другой стороны, существенную роль сыграла низкая активность компаний в сфере геологоразведки. Во всем мире затраты на разведку месторождений в нефтегазовой отрасли снизились более чем на 60 % – с уровня в 153 млрд долл в 2014 г. до 58 млрд долл в 2017 году [6]. Согласно прогнозам, в ближайшие годы совокупный среднегодовой темп роста затрат на геологоразведку составит 7 %. Фундаментальной проблемой отрасли добычи полезных ископае- мых является свойственная ей волатильность цен. Кардинальное измене- ние волатильности цен на полезные ископаемые на мировых рынках может быть вызвано геополитическими проблемами. В частности, ухудшение си- туации в Венесуэле с непредсказуемым изменением объема поставок нефти. Схожие опасения по сокращению поставок нефти связаны с обострением ситуации в Ливии. Имеет место опасность развития кризиса в отношениях США и Китая, формально обусловленного торговым дефици- Экономика 377 том в сотни млрд долл в пользу Китая; негативное развитие отношений может привести к снижению темпов развития экономики Китая и, как ре- зультат, к снижению потребности в полезных ископаемых и падению цен на них. Обостряющейся проблемой является возрастание конкуренции на нефтегазовом рынке, обусловленное устойчивым ростом поставок на ми- ровой рынок нефти и газа американскими компаниями, обусловленный ро- стом их добычи на основе сланцевой технологии. Помимо указанных проблем, российские компании, бизнес которых связан с добычей полезных ископаемых, испытывают существенное влия- ние ряда других проблем. Введенные США и другими странами санкции оказали заметное влияние на деятельность многих российских компаний, ограничив их возможности в приобретении современных технологий и привлечении финансовых ресурсов на выгодных условиях. В частности, по этой причине остановлены работы по поиску и освоению новых месторож- дений на континентальном шельфе России. Под воздействием введенных санкций и их возможного усиления иностранные инвесторы стали избав- ляться от российских активов. Риски, обусловленные высокой волатильностью цен на рынке по- лезных ископаемых, обуславливают необходимость повышения качества принимаемых менеджментом компаний решений как в краткосрочной, так и в долгосрочной перспективе. Основными инструментами повышения эффективности деятельности компаний являются: соблюдение строгой финансовой дисциплины; повышение производительности труда, в том числе на основе применения цифровых технологий; снижение издержек. В долгосрочной перспективе компаниям необходимо реструктури- ровать (оптимизировать) портфели активов таким образом, чтобы они со- храняли прибыльность в условиях существенного снижения цен на произ- водимую продукцию. В условиях продолжающего подъема отрасли добычи полезных ископаемых велик риск приобретения крупными компа- ниями нефтегазовых и горнодобывающих активов по завышенной стоимо- сти для удовлетворения растущего спроса посредством наращивания уров- ня производства. Неадекватная стратегия компаний по управлению портфелем активов в условиях последующей понижательной фазы отрас- левого цикла, как правило, приводит к значительному ухудшению их фи- нансового состояния. Оптимизация портфеля активов служит важным фак- тором повышения долгосрочной стоимости компании. В последние годы в отрасли добычи полезных ископаемых сформи- ровалось несколько трендов, связанных с формированием компаниями портфелей активов. Усилилось стремление оптимизировать портфели активов путем продажи непрофильных активов для использования капитала на иные цели Известия ТулГУ. Науки о Земле. 2019. Вып. 2 378 [4]. Так, компания RioTinto успешно монетизировала свои непрофильные угольные активы в Австралии и стала единственной крупной компанией из топ-3 горнорудных компаний, не имеющей более доли участия в угледо- бывающем бизнесе. Компания Shell продала в 2017 году большую часть своего бизнеса на месторождении битуминозных песков Атабаска по при- чине неэффективности экономики предприятия. Крупные компании стремятся увеличить долю участия в действую- щих месторождениях. Так, компания Glencore увеличила долю участия в компании Mutanda Mining SARL и месторождении в провинции Катанга Демократической Республики Конго (медь и кобальт), а также в месторож- дениях цинка компании Volcan Compañía Minera S.A.A. в Перу. В 2019 го- ду принято решение об участии компании ПАО «Газпром» в приобретении имущества и активов ОАО «Кыргызнефтегаз». Нарастает тенденция создания крупными компаниями партнерств с другими крупными или средними предприятиями для более эффективной эксплуатации инфраструктуры, выявления операционной синергии и/или получения доступа к финансированию. Так, компания BarrickGold заклю- чила в 2017 году с компаниями ShandongGold и Goldcorp партнерские со- глашения о ведении совместной разведки и добычи в Аргентине и Чили соответственно. Усиление внимания компаний горнодобывающей промышленности к проблеме оптимизации портфелей активов объясняется, во многом, про- должением фазы восстановления рынка сырьевых товаров, что в целом способствует росту доходов компаний и улучшению их финансового со- стояния. Актуальными становятся вопросы освоения накапливаемых ком- паниями денежных средств, в качестве основных альтернатив рассматри- ваются варианты стратегического инвестирования в перспективные проекты и участие в сделках по слиянию и поглощению. По данным информационного агентства AK&M, на российском рынке слияния и поглощения компаний (mergers and acquisitions, M&A) в 2018 году зафиксировано 335 сделок с участием российских компаний. Общая сумма сделок составила 42,3 млрд дол. Третьей по величине сдел- кой стало приобретение структурой «Газпрома» 50 % акций группы «Стройгазконсалтинг» [7]. Основными целями сделок на рынке M&A являются: слияние ком- паний, консолидация контрольного пакета, получение операционного кон- троля, купля-продажа долей, переход активов в силу долга, переход акти- вов в рамках санации, покупка мажоритарного пакета, покупка или обмен акциями. Объединение компаний за счет заключения сделок по слиянию и поглощению или их выделение путем разделения и отчуждения активов являются одними из самых сложных задач в управлении компаниями [8]. Экономика 379 Многолетняя практика решения задачи определение адекватной оценки стоимости компаний способствовала разработке ряда специализи- рованных методов, показавших свою эффективность в конкретных ситуа- циях рыночной среды. Определение адекватной оценки стоимости компа- нии предполагает проведение глубокого экономического анализа многих, влияющих на ее стоимость факторов (показателей), включая общую за- долженность, свободный денежный поток, рыночную капитализацию, фи- нансовый рычаг, рост продаж компании и др. Важной особенностью оцен- ки стоимости российских компаний является необходимость учета влияния внешнеполитических факторов. Распространенный методологический подход к оценке стоимости компании предполагает анализ данных сделок слияний и поглощений за предыдущий период в несколько лет с обоснованным выбором конкретно- го метода оценки стоимости компании. Проведенные на этом этапе иссле- дования позволяют построить прогнозную модель и сформировать на ее основе адекватную оценку стоимости компании. Как в международной, так и в отечественной практике оценки ры- ночной стоимости компаний наиболее широко применяют три подхода: сравнительный, доходный и затратный [9]. В основе сравнительного подхода (метод коэффициентов и др.) ис- пользуется 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 со- поставимыми по размерам, объемам продаж, суммарной стоимости акти- вов, 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 восстанов- ления объекта оценки. Использование затратного подхода для оценки чистых активов име- ет свои преимущества по двум причинам: во-первых, создается унифици- рованная система оценки чистых активов; во-вторых, устраняется ряд не- достатков российской формы бухгалтерского баланса. Однако, данный подход является достаточно проблематичным и неточным в российских условиях, главным образом за счет того, что затраты в итоге не всегда эк- вивалентны рыночной стоимости. В рамках доходного подхода оценка стоимости компаний основы- вается на определении ожидаемых доходов от деятельности компании с учетом их дисконтирования относительно текущего момента времени. На практике широкое распространение получил метод дисконтированных де- нежных потоков. Известия ТулГУ. Науки о Земле. 2019. Вып. 2 380 Оценка стоимости компании на основе метода дисконтированных денежных потоков учитывает общие экономические тенденции развития страны, отрасли и рынка, на которых работает оцениваемая компания. В российской практике использование метода дисконтированных денежных потоков связано с двумя основными типами препятствий: отсутствием у большинства российских предприятий стабильной дивидендной истории, на основании которой можно было бы прогнозировать размер денежных выплат акционерам, и сложностью толкования российской бухгалтерской отчетности в целях прогнозирования денежных потоков. Второй тип слож- ностей можно преодолеть тремя путями: во-первых, путем использования финансовой отчетности, подготовленной в соответствии с западными стандартами учета; во-вторых, при анализе поглощаемой компании могут использоваться методики трансформации бухгалтерской отчетности; в- третьих, при анализе возможно моделирование денежных потоков, осно- ванное на широком круге производственных и финансовых параметров. 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 [10]. При выборе стратегии создания и ро- ста компании целесообразно использовать метод коэффициентов или срав- нение с компаниями-аналогами, поскольку такая оценка покажет мини- мальные первоначальные затраты. В ситуации поглощения или присоединения компании предпочтительно применять метод дисконтиро- ванных денежных потоков, позволяющий оценить возможный будущий доход от сделки. При реализации стратегии ликвидации логично приме- нять метод оценки стоимости чистых активов, обеспечивающий возмож- ность оценки остаточной стоимости бизнеса. Следует отметить, что ни один из применяемых на практике мето- дов 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. Широкую основу поиска в этом направлении создает принятая в 2018 году национальная программа "Цифровая экономика Российской Фе- дерации", являющаяся, по сути, системным интегратором усилий государ- ства и бизнеса в развитии страны на основе цифровизации экономики в условиях усиливающейся экономической блокады. В процессе ее реализации предполагается широкое использование современных наукоемких технологий, таких как Big Data, нейронных се- тей, искусственного интеллекта, систем распределённого реестра, про- Экономика 381 мышленного интернета, робототехники, высокоскоростных технологий беспроводной связи, виртуальной и дополненной реальности. Перспективным направлением решения проблемы адекватной оценки стоимости компании является применение методов интеллекту- ального анализа данных, включая нейронные сети. В последние годы устойчивый тренд при поиске решений широкого круга задач в сфере эко- номики и финансов сформирован применением методов интеллектуально- го анализа данных, адекватных уровню неопределенности, присущей та- ким задачам. В данной работе приведены результаты сравнительного анализа двух подходов к оценке стоимости компании: широко 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. В качестве модельного объекта для проведения сравнительного анализа оценок стоимости компании, сформированных на основе двух аль- тернативных подходов, выбрана компания, для которой стоимость сделки по ее приобретению составила 200 млн руб. При проведении исследований использованы данные по сделкам с участием 102 российских компаний, взятые из информационной базы агентства Bloomberg, подготавливающего аналитику о глобальных и наци- ональных рынках капитала, о сделках с финансовыми активами и др. [11]. Состояние каждой компании на момент совершения сделки характе- ризуется 7 показателями (табл. 3), включая стоимость сделки Announced Value. Таблица 3 Финансовые показатели компании Финансовое состояние выбранной в качестве модельного объекта компании описывается следующими значениями показателей (в млн руб.): Current Value =265; TOT_LIAB =158,905; FCF_YIELD =13,3; MKT_CAP =150,01; FNCL_LVRG =1,2; SALES_GROWTH =10,67. Имя показателя Описание показателя Announced Value Стоимость сделки Current Value Текущая стоимость компании TOT_LIAB Общая задолженность компании FCF_YIELD Свободный денежный поток компании MKT_CAP Рыночная капитализация компании FNCL_LVRG Финансовый рычаг компании SALES_GROWTH Рост продаж компании Известия ТулГУ. Науки о Земле. 2019. Вып. 2 382 Необходимые при последующих вычислениях среднего темпа при- роста денежного потока g значения показателя FCF_YIELD (FCF) приве- дены в табл. 4. Таблица 4 Свободный денежный поток компании, млн руб. Год 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 FCF 8,9 9,0 10,6 11,0 11,2 11,9 12,5 13,0 12,8 13,3 В основе подхода к определению оценки стоимости компании ис- пользована модель Гордона , 1 g R CF V t term где term V – терминальная стоимость компании в постпрогнозный период или остаточная стоимость бизнеса; 1 t CF – денежный поток доходов за первый год постпрогнозного периода; R – ставка дисконтирования. В рассматриваемом случае постпрогнозный период начинается с 2015 г. В работе [12] представлена модифицированная модель, предназна- ченная для расчета капитала , 1 g WACC FCF V t term где WACC – средневзвешенная стоимость капитала или средняя процент- ная ставка по всем источникам финансирования компании. Ставка дисконта R рассчитана с помощью модели WACC , 1 e e l l W K W t K WACC где l K – стоимость заемного капитала, %; l W – доля привлеченного капи- тала; e K – стоимость собственного капитала, %; e W – доля собственного капитала; t – налог на прибыль 20 %. Используя известное значение финансового рычага 2 , 1 _ E L LVRG FNCL с учетом соотношения 1 e l W W , получим 2 , 1 1 l l W W . Соответственно, 55 , 0 l W и 45 , 0 55 , 0 1 e W При известном 905 , 158 _ LIAB TOT L , определим значение 421 , 132 2 , 1 905 , 158 E Стоимость собственного капитала равна его рентабельности 13,3 132,421 100 10,04 % FCF E Аналогично, стоимость заемного капитала равна 13,3 158,905 8,37 %. FCF L Тогда среднюю процентную ставку определим как Экономика 383 8,37 0,8 0,55 10,04 0,45 8,2 %. WACC Для вычисления среднего темпа прироста денежного потока ис- пользованы ретроспективные данные (табл. 4): 1,011 1,178 1,038 1,018 1,063 1,05 1,04 0,985 1, 039 9 100 100 4,69 %. g Дисконтирование стоимости компании проводится на конец про- гнозного периода, т.е. на начало 2016 года. Коэффициент дисконтирования определяется выражением n WACC k 1 1 . Коэффициента капитализации % 51 , 3 g WACC K Терминальная стоимость компании определяется c учетом денеж- ного потока, генерируемого за 2015 год – первый год пост прогнозного пе- риода (табл. 5) 396 0351 , 0 9 , 13 term V При расчете терминальной стоимости в качестве величины денеж- ного потока использован показатель свободного денежного потока компа- нии FCF (табл. 4). Таблица 5 Расчёт рыночной стоимости компании Год FCF, млн руб. К предыдуще- му году, % Ставка дисконта, % Коэффициент дисконтиро- вания Текущая стои- мость FCF, млн руб. Ф а к т 2005 8,9 2006 9,0 101,1 2007 10,6 117,8 2008 11,0 103,8 2009 11,2 101,8 2010 11,9 106,3 2011 12,5 105,0 2012 13,0 104,0 2013 12,8 98,5 2014 13,3 103,9 Прогноз 2015 13,9 104,69 8,2 0,92 12,8 Терми- нальная стои- мость 396 8.2 0.92 364,32 Стоимость компании в текущем периоде определяется на основе терминальной стоимости с учетом дисконта в постпрогнозном периоде. Известия ТулГУ. Науки о Земле. 2019. Вып. 2 384 Из представленных результатов расчета следует, что стоимость компании, определённая методом дисконтирования денежных потоков, составила 364,32 млн руб. При проведении исследований по формированию оценки стоимости компании на основе применения нейронных сетей использована аналити- ческая платформа Deductor, содержащая в своем составе широкий набор инструментов, включая инструменты интеллектуального анализа данных [13]. Общая методология формирования прогнозных оценок с использо- ванием нейронных сетей предполагает выполнение этапа самонастройки нейронной сети (обучения) на основе множества предварительно отобран- ных примеров. В данной постановке задачи исследования в качестве мас- сива примеров использованы данные о 102 конкретных сделках по слия- нию и поглощению российских компаний, взятые из информационной базы агентства Bloomberg. По сути, при проведении исследований проверяется возможность выявления зависимости показателя Announced Value от 6 других показате- лей, описывающих финансовое состояние компании. Соответственно, при построении нейросетевой модели показатель Announced Value использует- ся в качестве выходной переменной, а остальные 6 показателей выступают в роли входных переменных. В процессе обучения нейросетевая модель настраивается таким образом, чтобы для каждого примера при заданных значениях всех 6 входных переменных на выходе модель формировала значение выходной переменной, равное значению показателя Announced Value в этом же примере. При настройке нейронной сети 95 % всех примеров использованы непосредственно для нее обучения, а 5 % - для проверки качества модели. В процессе подготовки к построению нейронной сети задается ряд ее параметров, включая количество слоёв сети, число нейронов в каждом слое, вид активационной функции нейронов. Таким образом, в отличие от классических подходов, используемых при определении стоимости компании, работа с нейронной сетью предпо- лагает только наличие сведений о ранее совершенных сделках по слиянию и поглощению компаний. Этих практических примеров сделок достаточно, чтобы извлечь из них знание о связи между стоимостью сделки и другими показателями финансового состояния компании, доступными в соответ- ствующих информационных базах. После завершения процедуры самонастройки нейронная сеть своей внутренней структурой фиксирует выявленную связь между стоимостью сделки и 6 показателями со статусом влияющих факторов. При этом внут- ренние связи между нейронами нейронной сети скрыты от пользователя, Экономика 385 что позволяет отнести нейросетевую модель к моделям типа "черный ящик". Обученная нейронная сеть готова к использованию для формирова- ния прогнозной оценки стоимости компании для будущей сделки. Для это- го в режиме "Что - если" вводятся значения 6 публично доступных показа- телей: Current Value = 265; TOT_LIAB = 158,905; FCF_YIELD = 13,3; MKT_CAP = 150,01; FNCL_LVRG = 1,2; SALES_GROWTH = 10,67. Нейрон- ная сеть сразу формирует значение стоимости компании Announced Value = 191,16 (рис. 2). Рис. 2. Результат оценки стоимости компании нейронной сетью Полученный результаты моделирования показывают, что оценка стоимости рассматриваемой компании, формируемая с использованием нейронной сети, отличается от суммы реальной сделки на 4,3 %, что зна- чительно ближе к стоимости реальной сделки, равной 200 млн руб. Следовательно, можно сделать вывод, что нейронные сети могут быть использованы в качестве эффективного инструмента определения стоимости компаний в сделках слияния и поглощения в современных условиях. Выводы 1. Компании отрасли добычи полезных ископаемых продолжают оставаться основным источником формирования российского бюджета. В настоящее время в целом для них складывается благоприятная конъюнкту- ра. Однако устойчивое снижение темпов развития мировой экономики способно ухудшить финансовое состояние российских компаний отрасли добычи полезных ископаемых. Известия ТулГУ. Науки о Земле. 2019. Вып. 2 386 2. В условиях высокой волатильности цен на сырьевые товары на мировом рынке возрастает актуальность решения проблемы повышения эффективности управления компанией портфелем своих активов. Заклю- чение сделок по слиянию и поглощению компаний относятся к категории наиболее сложных задач в управлении компаниями. 3. Для оценки рыночной стоимости компаний на практике наиболее широко применяют три классических подхода: сравнительный, доходный и затратный. Каждый из них характеризуется определенными особенно- стями, позволяющими получить более точные оценки стоимости компании в конкретных ситуациях. 4. Альтернативным классическим подходам к оценке стоимости компании является применение нейронных сетей, относящихся к методам интеллектуального анализа данных и используемым для проведения углубленной аналитике. 5. Проведенные на основе реальных данных о сделках по слиянию и поглощению российских компаний, размещенных в базе данных агентства Bloomberg, исследования показали, что нейронные сети могут эффективно применяться при решении проблемы определения стоимости компании наряду с известными классическими методами. Высокий уровень адекват- ности формируемых с использованием нейронных сетей оценок стоимости компаний во многом объясняется их способностью извлекать (в процессе обучения) знания из доступных примеров по реальным сделкам и оптими- зировать формируемую прогнозную модель (структуру нейронной сети). Использование в качестве обучающих примеров данных о последних со- вершенных сделках на российском рынке M&A позволяет учесть новые тенденции в формировании стоимости компаний в условиях высокой вола- тильности цен на сырьевые товары. Список литературы 1. Казначейство России [Электронный ресурс]. URL: http:// www. roskazna.ru/ (дата обращения 02.04.2019). 2. Божечкова А., Кнобель А., Трунин П. Платежный баланс в 2018 году рекорд сальдо текущих операций // Мониторинг экономической ситу- ации в России, 2(85), 2019. [Электронный ресурс]. URL: https://www.iep.ru/files/text/crisis_monitoring/2019_2-85_February.pdf (дата обращения 02.04.2019). 3. Жемкова А., Каукин А., Миллер Е. Динамика промышленного производства в прошедшем году: рост в добывающем секторе // Монито- ринг экономической ситуации в России, 2(85), 2019. [Электронный ре- сурс]. URL: https://www.iep.ru/files/text/crisis_monitoring/2019_2-85_ Febru- ary.pdf (дата обращения 02.04.2019). Экономика 387 4. Обзор горнодобывающей промышленности в 2018 году. [Элек- тронный ресурс]. URL: https://www.pwc.kz/ru.html ( дата обращения 03.04.2019) 5. Fraser Institute Annual Survey of Mining Companies. 2017 [Элек- тронный ресурс]. URL: https:// www.fraserinstitute.org. (дата обращения 03.04.2019). 6. Тенденции развития нефтегазовой отрасли в 2018-2019 гг. [Элек- тронный ресурс]. URL: https://www.pwc.ru/ru/publications/trends-oil-gas- 2018.html. 7. Информационное агентство AK&M [Электронный ресурс]. URL: http://www.akm.ru/(дата обращения: 02.03.2019). 8. Компания Deloitte [Электронный ресурс]. URL: https://www2.deloitte.com/ru/ru/pages/tax/solutions/mergers-and-acquisitions html. (дата обращения: 04.04.2019). 9. Оценка стоимости бизнеса. Учебник / под ред. М.А. Эскиндарова, М.А. Федотовой. М.: ООО «Издательство КноРус», 2016. 348 с. 10. Щербаков В.А., Щербакова Н.А. Оценка стоимости предприятия (бизнеса). М.: Издательство «Омега-Л», 2012. 315 с. 11. Информационное агентство Bloomberg [Электронный ресурс]. URL: https://www.bloomberg.com/ (дата обращения: 08.09.2015). 12. Грегори А. Стратегическая оценка компаний (Практическое ру- ководство). М.: Издательство «Квинто-Консалтинг», 2003. 224 с. 13. Паклин Н.Б., Орешков В.И. Бизнес-аналитика от данных к зна- ниям: учеб. пособие. СПб.: Изд-во «Питер», 2013. 704 с. Евсюков Владимир Васильевич, канд. техн. наук, доц., evsvl@yandex.ru, Россия, Тула, Тульский филиал Финансового университета при Правительстве Российской Фе- дерации, Хлынин Эдуард Валентинович, д-р экон. наук, проф., khlynin-ed@yandex.ru, Россия, Тула, Тульский государственный университет THE VALUATION OF THE COMPANY IN THE PARADIGM OF DIGITAL ECONOMY V.V. Evsujkov, E.V. Hlynin The key trends in the activity of companies in the mining industry, revealed increased attention to the management of portfolios of assets. The analysis of the Russian market of mergers and acquisitions is carried out. The possibility of forming the valuation of companies on the basis of neural networks is investigated. A comparative analysis of the quality of valua- tion of the company using a neural network and discounted cash flow method. Key words: minerals, asset portfolio, company value, neural network, cash flow. Известия ТулГУ. Науки о Земле. 2019. Вып. 2 388 Evsujkov Vladimir Vasilevech, candidate of technical science, docent, evsvl@yandex.ru, Russia, Tula, FinUniversity, Tula branch, Hlynin Eduard Valentinovich, doctor of economics, professor, khlynin- ed@yandex.ru, Russia, Tula, Tula State University Reference 1. Kaznachejstvo Rossii [Elektronnyj resurs]. URL: http:// www. roskazna.ru/ (data obrashcheniya 02.04.2019). 2. Bozhechkova A., Knobel' A., Trunin P. Platezhnyj balans v 2018 godu rekord sal'do tekushchih operacij // Monitoring ekonomicheskoj situacii v Rossii, 2(85), 2019. [El- ektronnyj resurs]. URL: https://www.iep.ru/files/text/crisis_monitoring/2019_2-85_ Febru- ary.pdf (data obrashcheniya 02.04.2019). 3. Zhemkova A., Kaukin A., Miller E. Dinamika promyshlennogo proizvodstva v proshedshem godu: rost v dobyvayushchem sektore // Monito-ring ekonomicheskoj situacii v Rossii, 2(85), 2019. [Elektronnyj re-surs]. URL: https://www.iep.ru/files/text /crisis_monitoring/2019_2-85_ February.pdf (data obrashcheniya 02.04.2019). 4. Obzor gornodobyvayushchej promyshlennosti v 2018 godu. [Elek-tronnyj resurs]. URL: https://www.pwc.kz/ru.html (data obrashcheniya 03.04.2019) 5. Fraser Institute Annual Survey of Mining Companies. 2017 [Elek-tronnyj resurs]. URL: https://www.fraserinstitute.org. (data obrashcheniya 03.04.2019). 6. Tendencii razvitiya neftegazovoj otrasli v 2018-2019 gg. [Elektronnyj resurs]. URL: https://www.pwc.ru/ru/publications/trends-oil-gas-2018.html. 7. Informacionnoe agentstvo AK&M [Elektronnyj resurs]. URL: http://www.akm.ru/(data obrashcheniya: 02.03.2019). 8. Kompaniya Deloitte [Elektronnyj resurs]. URL: https://www2.deloitte.com/ru/ru /pages/tax/solutions/mergers-and-acquisitions. html. (data obrashcheniya: 04.04.2019). 9. Ocenka stoimosti biznesa. Uchebnik / pod red. M.A. Eskindaro-va, M.A. Fedo- tovoj. M.: OOO «Izdatel'stvo KnoRus», 2016. 348 s. 10. Shcherbakov V.A., Shcherbakova N.A. Ocenka stoimosti predpriyatiya (biznesa). M.: Izdatel'stvo «Omega-L», 2012. 315 s. 11. Informacionnoe agentstvo Bloomberg [Elektronnyj resurs]. URL: https://www.bloomberg.com/ (data obrashcheniya: 08.09.2015). 12. Gregori A. Strategicheskaya ocenka kompanij (Prakticheskoe ru-kovodstvo). M.: Izdatel'stvo «Kvinto-Konsalting», 2003. 224 s. 13. Paklin N.B., Oreshkov V.I. Biznes-analitika ot dannyh k zna-niyam: ucheb. posobie. SPb.: Izd-vo «Piter», 2013. 704 s. |