Положительная динамика экономического роста страны, конкурентоспособность национальных компаний, благосостояние населения во многом определяются уровнем развития и роста высокотехнологичных компаний, уровнем проникновения высоких технологий в различные отрасли экономики. В связи с этим важнейшим вопросом является выявление финансовых условий функционирования высокотехнологичных компаний на современном этапе, что отмечается в исследовании ряда экономистов [1–3].
На развитие бизнеса оказывает негативное влияние недостаток денежных средств в начале деятельности и в процессе функционирования бизнеса [4]. Рациональное использование денежных потоков является одним из основных факторов, влияющих на успех и выживание любых предпринимательских компаний [5, 6]. Для объективной оценки эффективности использования денежных потоков компании используется индикатор в виде денежной добавленной стоимости (CVA). Этот индикатор выступает как один из способов измерения реального дохода компании [7]. Показатель CVA определяет оставшийся объем денежных средств после получения требуемой доходности для инвесторов. Процесс создания стоимости имеет особенности в различных видах экономической деятельности компаний: промышленных предприятий, строительных компаний, домашних хозяйств [8].
Исследователи отмечают, что инвестиции в высокотехнологичные компании непосредственно связаны с обоснованным объемом денежных потоков [9], что в значительной степени определяет остаточный денежный поток. При положительном значении CVA компания прибыльна, отрицательное значение свидетельствует о превышении затрат над привлеченными инвестициями [10]. Прогнозирование вероятности получения положительного результата использования денежных потоков компаний можно выполнить на основе модели логистической регрессии [11]. Использования модели логит-регрессии позволяет прогнозировать трансформации денежных потоков с идентификацией факторов, воздействующих на эти изменения. Модель логит-регрессии применяется при решении различных задач по устойчивому развитию компаний [12, 13].
Целью исследования является прогнозирование чистого денежного потока деятельности высокотехнологичных компаний на основе разработки логистической модели оценки добавленной стоимости потока денежных средств.
Материалы и методы исследования
Материалами для исследования послужили научные труды отечественных и зарубежных авторов по исследуемой проблеме. В научной статье использованы системный подход и логистическая модель прогнозирования экономического результата.
Управление движением денежных притоков и оттоков имеет приоритетное значение при оценке эффективности деятельности высокотехнологичных компаний [14]. Положительным результатом деятельности является превышение притоков денежных средств над оттоками денежных средств высокотехнологичных компаний [15]. Оценку результатов деятельности компании рекомендуется проводить не по текущим денежным притокам и оттокам, а по остаточному денежному потоку, который влияет на повышение стоимости бизнеса. Добавленная стоимость денежных потоков (CVA) характеризуется как показатель способности компании генерировать денежный поток выше затрат по привлечению инвестиционных средств (1):
CVA = NCF – WACC × IC, (1)
где NCF – скорректированный операционный денежный поток (2);
IC – привлеченные инвестиции;
WACC – средневзвешенные затраты на капитал.
NCF = INCF – OUTCF, (2)
где INCF – приток денежных средств;
OUTCF – отток денежных средств.
Значение CVA больше 0 означает, что компания имеет положительный финансовый результат, значение ниже 0 означает, что компания не получает прибыли. Отрицательное значение означает неэффективное использование привлеченных инвестиций.
Гипотезой исследования является прогноз положительного остаточного денежного потока компании в прогнозируемый период с учетом влияния основных факторов воздействия. Проверить эту гипотезу можно на основе использования модели логит-регрессии, которая позволит определить вероятность совершения какого-то события по значениям независимых переменных. Определение основных факторов, которые характеризуют состояние высокотехнологичных субъектов бизнеса, можно произвести с использованием SWOT-анализа (таблица).
При проведении анализа факторов, определяющих сильные и слабые характеристики, угрозы и возможности, выявляются наиболее значимые, влияющие на положительный финансовый результат компании.
База данных исследования
Доля компаний, осуществлявших технологические инновации, за последний год составила 23,0% от общего числа компаний; объем инновационной продукции, выпускаемой инновационными компаниями, – около 5,5%. Следует отметить, что за последнее время количество высокотехнологичных компаний возрастает при проведении цифровой трансформации экономики страны. Негативным фактором для роста количества высокотехнологичных компаний является отсутствие денежных средств для начала деятельности и успешного ведения бизнеса.
Факторы состояния высокотехнологичных субъектов бизнеса на основе матрицы SWOT
|
Внутренние факторы |
Сильные стороны (S – strengths) |
Слабые стороны (W – weaknesses) |
|
Повышение качества выпускаемой продукции |
Высокая рискованность инновационных проектов |
|
|
Повышение точности выполняемых операций |
Существенные издержки, связанные с закупкой нового оборудования |
|
|
Ускорение оборачиваемости привлекаемых средств |
Недостаток ликвидных активов |
|
|
Развитие современного интеллекта |
Специфичность активов, используемых при реализации инновационного проекта |
|
|
Внешние факторы |
Возможности (O – opportunities) |
Угрозы (T – threats) |
|
Возможность привлечения финансовых ресурсов от инвестиционных платформ |
Недостаточно отрегулированные требования к верификации инноваций |
|
|
Возможность использования венчурного капитала на ранних стадиях проекта |
Сложившаяся экономическая ситуация в стране |
|
|
Автоматизация операций и технологических процессов |
Дилемма выпуска инновационных продуктов |
|
|
Сокращение продолжительности выполнения операций |
Отсутствие высокого коммерческого потенциала |
Источник: составлено авторами.
При проведении анализа финансового состояния высокотехнологичных компаний различных видов экономической деятельности выявлено, что значительное количество компаний имеет неустойчивое финансовое состояние. Для определения размера выборки высокотехнологичных компаний для исследования воспользуемся формулой (3):
n = (z2 × p × q) / e2, (3)
где n – размер выборки;
z – нормированное отклонение;
p – вариация для выборки;
q = 1 – р;
е – допустимая ошибка.
Принимаем, что уровень доверительности равен 95% (стандартное значение). Соответственно, нормированное отклонение z составит 1,96. После предварительного анализа предположим, что 80% компаний могут иметь положительный результат, поэтому р = 0,8. Таким образом, q = 1 – 0,8 = 0,2. Вероятность допустимой ошибки примем за 10%, т. е. e = 0,1. На основе принятых параметров можно рассчитать размер выборки (4).
n = (1,962 × 0,8 × 0,2) / 0,12 =
= 0,614656 / 0,01 = 61,5. (4)
Согласно расчету, с заданными параметрами нужно рассматривать 62 компании из числа высокотехнологичных компаний.
Для исследования вероятности получения положительного результата деятельности принята выборка 60 компаний из разных видов экономической деятельности, которые создают высокотехнологичную продукцию или проводят научные исследования и разработки из Реестра высокотехнологичных инновационных предприятий РФ. В качестве объекта исследования выбраны компании, наиболее пользующиеся спросом в своем сегменте экономической деятельности. В качестве независимых переменных на основе проведенного анализа приняты:
ROI – независимая переменная: рентабельность инвестированного капитала зависит от вида экономической деятельности, которой занимается компания;
CR – независимая переменная: текущая ликвидность;
FL – независимая переменная: соотношение заемных и собственных средств;
RTR – независимая переменная: коэффициент оборачиваемости дебиторской задолженности;
PTR – независимая переменная: коэффициент оборачиваемости кредиторской задолженности, в значительной степени зависит от вида экономической деятельности. Независимые факторы-аргументы выбираются с учетом определенных требований:
1) необходимо четкое количественное определение независимых переменных;
2) общее количество выбранных аргументов-факторов не может быть большим, что в значительной степени усложняет разрабатываемую модель.
Результаты исследования и их обсуждение
Анализ финансового состояния высокотехнологичных субъектов бизнеса компаний произведен на основе данных СПАРК, выделено 60 высокотехнологичных компаний с различным финансовым состоянием.
1. Зависимая переменная CFA обусловлена влиянием независимых переменных. Функция выступает как вероятность определенного результата при установленных факторах. Определение функции в данном исследовании предлагается провести на основе расчета уравнения логистической регрессии.
2. Выбор модели денежного потока. Для данного исследования зависимая переменная – остаточный денежный поток может принимать только два значения – положительное или отрицательное, что соответствует зависимой переменной из набора нулей и единиц. Таким требованиям удовлетворяет модель-логит регрессии.
3. Формирование модели по формированию будущих денежных потоков включает следующее:
− введение зависимой переменной (остаточный денежный поток) и независимых переменных;
− построение переменной Z как линейной комбинации выбранных независимых переменных;
− построение уравнения для устанавливаемой вероятности события и нахождение производных;
− осуществление вычислений с помощью программы (на основе метода максимального правдоподобия);
− трактовка результатов проведенных расчетов.
Модель бинарной логистической регрессии выражается уравнением (5):
pi = F(Zi) = 1 / (1 + e–zi), (5)
где pi – вероятность совершения изучаемого события;
zi – линейная комбинация независимых факторов (6);
e – основание натурального логарифма:
z = β0 + β1x1 + β2x2 + … + βnxn, (6)
где β0 выступает «точкой пересечения»,
β1, β2,…,βn – коэффициенты регрессии для независимых переменных.
Точка пересечения отражает значение величины Z при значениях аргументов-факторов, равных нулю.
Предельное воздействие величины Z на вероятность есть производная функции вероятности (7):
f(Z) = dp / dz = e–z / (1 – e–z)2, (7)
Z – функция переменной, определяющая искомую вероятность,
f(Z) – функция плотности распределения (рис.).
Логистическая функция (Z – ось абсцисс, F(z) – ось ординат)
Функция F(z) может принимать значения от 0 до 1; значения логистической функции могут колебаться от положительной бесконечности до отрицательной бесконечности.
Уравнение логистической регрессии с учетом установленных наборов факторов можно представить как (8):
z = β0 + β1CR + β2RTR + β3PTR + β4FL + β5ROI, (8)
Z – зависимая переменная: 1 – если положительный остаточный денежный поток, 0 – если отрицательный остаточный денежный поток.
Расчеты логистической регрессии производятся на основе использования программ профессионального статистического анализа данных: SAS, R, SPSS Statistics.
По рассматриваемой выборке высокотехнологичных компаний установлены значения коэффициентов в модели оценки вероятности получения положительного результата компаний:
Z = 17,3261 – 5,1479CR – 9,5684RTR + 3,9823PTR + 7,1592FL – 5,1264ROI, (9)
pi = 1 / (1 + e–17,3261 + 5,1479CR + 9,5684RTR – 3,9823PTR – 7,1592FL + 5,1264ROI), (10)
Суждение о вероятности получения благоприятного исхода делается в зависимости от значения показателя pi:
если 0,5 < pi < 1 – риск получения отрицательного результата;
если 0 < pi < 0,5 – компания может получить положительный результат.
По произведенным расчетам подтверждается гипотеза исследования: значительная часть высокотехнологичных компаний (41 компания) из рассматриваемой выборки имеет вероятность получения благоприятного исхода (0 < pi < 0,5).
Например, для компании с показателями:
|
ROI |
CR |
FL |
RTR |
PTR |
|
0,300 |
1,240 |
0,590 |
4,230 |
5,870 |
pi = 0,67, поскольку эта вероятность больше 0,5, мы прогнозируем, что компания может получить положительный результат.
Для другой компании с показателями:
|
ROI |
CR |
FL |
RTR |
PTR |
|
0,080 |
0,600 |
1,140 |
2,620 |
3,020 |
pi = 0,38, поскольку эта вероятность меньше 0,5, мы прогнозируем, что компания может получить отрицательный результат.
В логит-модели имеется возможность отследить изменения вероятности значения Z, обусловленные изменением независимых переменных. На основе разработанной модели логистической регрессии появляется возможность прогнозировать финансовый результат деятельности компании в соответствии с установленными индикаторами.
Выводы
Предлагаемая логистическая модель позволяет исследовать динамику денежных потоков высокотехнологичных субъектов бизнеса, прогнозировать изменения финансовых результатов. Разработанная модель дает возможность обосновать решения тактических и стратегических задач высокотехнологичных компаний по обеспечению финансовой стабильности функционирования.
Гипотеза данного исследования подтвердилась, 54% компаний могут получить положительный результат (0,5 < pi < 1), около 46% рассматриваемой выборки высокотехнологичных компаний имеют риск получения отрицательного результата (0,5 < pi < 1).
Выполненное исследование показало, что для большинства высокотехнологичных субъектов бизнеса вопросы улучшения их финансового состояния являются приоритетными. Деятельность высокотехнологичных субъектов бизнеса связана с высокой степенью неопределенности и повышенными рисками, чем определяются трудности в привлечении заемного капитала, поэтому проблемы рационального управления денежными потоками являются важными в обеспечении платежеспособности и финансовой устойчивости компаний.