CC BY
79
Российский журнал менеджмента Том 7, № 1, 2009. С. 25-42
ДЕТЕРМИНАНТЫ СТРАТЕГИЧЕСКИХ РЕШЕНИЙ О ФИНАНСИРОВАНИИ КРУПНЫХ КОМПАНИЙ НА РАЗВИВАЮЩИХСЯ РЫНКАХ КАПИТАЛА: ПРИМЕР РОССИИ, БРАЗИЛИИ И КИТАЯ
И. В. ИВАШКОВСКАЯ, М. С. СОЛНЦЕВА
Государственный университет — Высшая школа экономики
В статье представлены итоги проведенного в лаборатории корпоративных финансов ГУ-ВШЭ исследования детерминантов выбора ключевого компонента стратегии финансирования компании — структуры капитала — в нормальных экономических условиях для крупных компаний на основных развивающихся рынках капитала. На панельных данных 74 российских, 84 бразильских и 246 китайских компаний за 2001-2006 гг. выявлен набор детерминантов, общее и особенное в характере их воздействия на соотношение заемного и собственного капиталов.
Ключевые слова: структура капитала, финансовый рычаг, финансовый менеджмент, политика финансирования, развивающиеся рынки капитала, страны BRIC.
Выбор структуры капитала относят к ключевым финансово-управленческим решениям, определяющим результаты деятельности компании. С позиций теории корпоративных финансов интегральный результат деятельности компании выявляется в изменениях ее стоимости. Формируя определяющую пропорцию в политике финансирования, решение о структуре капитала имеет долгосрочные последствия стратегического характера. Соотношение заемного и собственного капиталов влияет на инвестиционные риски и, следовательно, на требуемый разными группами инвесторов уровень доходности предоставля-
емого ими капитала. Уровень этих ставок, в свою очередь, задает планки необходимой доходности инвестиций в компании и в целом влияет на гибкость ее инвестиционной политики. Изучение практики таких решений в конечном счете важно для понимания конфликта интересов собственников и менеджеров, а также взаимоотношений компании и ее нефинансовых стейк-холдеров.
Формируют ли компании, функционирующие в специфической среде развивающихся рынков капитала, это ключевое для политики финансирования соотношение в соответствии с теми же детерминантами, что
© И. В. Ивашковская, М. С. Солнцева, 2009
и компании из развитых стран? Существуют ли различия в детерминантах структуры капитала крупных компаний в наиболее перспективных странах с растущими рынками капитала, относимых к группе BRIC? Эти ключевые вопросы практики финансового менеджмента стали предметом исследований в лаборатории корпоративных финансов Государственного университета — Высшей школы экономики, результаты которых представлены далее.
МЕТОДЫ ИССЛЕДОВАНИЙ ДЕТЕРМИНАНТОВ СТРУКТУРЫ КАПИТАЛА
Исследования структуры капитала компаний на протяжении нескольких десятилетий составляют обширную зону академических разработок. Внимание исследователей к этой тематике вызывается особой ролью, которую структура капитала играет в совокупности финансовых решений компании и влиянии на ее стоимость. Структура капитала как понятие используется в современной финансово-экономической литературе для обозначения соотношения заемного и собственного капиталов, которое компании избирают для решения задач долгосрочного развития. Значительная часть таких исследований посвящена выявлению детерминантов, или ведущих факторов, определяющих это ключевое соотношение. Другая часть эмпирических работ нацелена на выявление мотивов выбора структуры капитала, и тестирование теоретических концепций, описывающих решения о финансировании. Однако спектр работ и первого, и, особенно, второго видов, выполненных на данных с развивающихся рынков капитала, ограничен. В опубликованных эмпирических исследованиях рассматривается опыт компаний нескольких восточноевропейских стран: Венгрии [Nivorozhkin, 2002], Чехии, Болгарии [Nivorozhkin, 2003], Польши [Hussain, 1997]. Ряд работ посвя-
щен компаниям группы латиноамериканских, африканских и азиатских стран: Бразилии, Мексики, Малайзии, Зимбабве, Южной Кореи, Индии, Пакистана, Иордании, Турции и Таиланда [Wiwattanakantang, 1999; Pandey, 2001; Bhaduri, 2002; Booth et al., 2001], Китая [Qian et al., 2007]. Исследования детерминантов структуры капитала, как правило, опираются на модели линейных регрессий, различающиеся набором независимых и зависимых переменных, а также типом исследуемых данных: перекрестные данные (cross-section) либо панельные данные (panel data). Типичная модель, которую используют для выявления детерминантов, может быть формально записана как функция долговой нагрузки (переменная L) от ряда факторов следующим образом:
L = n + n-\Tax + n2Tangibility +
+ n3Prof + n4Size + n5Risk + (1)
+ UXj + u,
где Tax отвечает за налоговые выгоды, Tangibility — структуру активов, Prof — доходность компании, Size — размер капитала компании, Risk — деловые риски, а сумма ^nX/ обозначает дополнительные факторы, которые могут быть включены в регрессию.
Не все исследования основаны на использовании линейных моделей. Так, в работе [Bhaduri, 2002] рассматривается двухэтап-ная модель: во-первых, модель частичного приспособления для анализа оптимальной структуры капитала в условиях существования так называемых издержек приспособления, возникающих при движении к оптимальному соотношению заемного и собственного капиталов; и, во-вторых, факторно-аналитическая модель для объяснения наблюдаемых отклонений от оптимального уровня долга. Возможные вариации базовой исследовательской модели связаны и с набором независимых и зависимых пере-
менных. Зависимые переменные, выражающие соотношение заемного и собственного капиталов, могут быть представлены в двух разных формах: как показатели, основанные на данных баланса компании (балансовые), и как показатели, основанные на рыночной капитализации (рыночные). Например, в работе [Wiwattanakantang, 1999] одновременно используются оба варианта зависимых переменных: балансовый показатель (совокупный процентный долг компании, нормированный на величину совокупных активов) и рыночный показатель, рассчитанный как совокупные процентные обязательства компании по балансу, нормированные на совокупную стоимость обязательств по балансу и капитализацию собственного капитала. Кроме того, зависимая переменная может быть представлена финансовыми коэффициентами, в которых раздельно рассматриваются краткосрочные и долгосрочные обязательства, взятые под проценты (долг компании) относительно совокупных активов компании [Pandey, 2001].
Спектр независимых переменных часто представлен в эмпирических исследованиях определенным набором. Во-первых, это экономия на налоге на прибыль (Tax), вызванная выплатой процентов по долгу, поскольку компании могут наращивать заемный капитал для увеличения налоговых выгод, используя расходы на выплату процентов для снижения величины налогооблагаемой прибыли. Во-вторых, используется экономия на налоге на прибыль недолгового происхождения (Non-debt Tax Shield — NDT), поскольку существуют другие потенциальные источники такой экономии. К ним, в частности, относятся ежегодные расходы на амортизацию долгосрочных активов. Увеличение экономии на налогах этого вида может вести к снижению доли долга в составе капитала компании. Введение данной переменной позволяет учесть это потенциальное воздействие. В-третьих, важную роль в политике
заимствования может выполнять качество активов в компании. Как правило, его увязывают с долей долгосрочных материальных активов (Tangibility), поскольку они могут формировать базу для залога при заимствовании. Для отражения этого влияния обычно используется прокси-перемен-ная для залоговой стоимости активов компании: коэффициент PPE/TA, или доля основных средств в совокупных активах. Чем выше показатель, тем больше у компании возможностей увеличивать заемные средства. В-четвертых, в набор тестируемых детерминантов часто включается независимая переменная Market-to-Book (MTB), или отношение капитализации акционерного капитала к его балансовой стоимости (Market Value of Equity/Balance Value of Equity). Данный коэффициент может отражать возможности роста компании, основанные на ее стратегических позициях и перспективе развития, так как его числитель основан на ожиданиях инвесторов. Чтобы учесть саму динамику роста компании, используют прокси-переменные темпов роста компании (g). Такие переменные могут рассчитываться по-разному, как, например, показано в формуле:
g = 1 + r, (2)
где r берется из регрессии логарифма продаж (lg Sales) за период наблюдения. Такой подход использован, например, в [Pandey, 2001]. Другой вариант расчета — отношение инвестиционных расходов к совокупным активам (CapEx/Total Assets) — использован в исследовании [Bhaduri, 2002]. Компании, обладающие высокими темпами роста, как правило, более привлекательны для кредиторов, и доля заемного капитала в них выше. Согласно же агентской теории зависимость обратная.
Еще одна типичная независимая переменная, используемая в исследованиях, — доходность капитала компании (Profitability). Ее влияние на выбор соотношения заемного
и собственного капиталов может быть противоречивым, что связано с различиями мотивов выбора структуры капитала. Если менеджмент компании следует логике теории иерархии источников финансирования (pecking order of financing), то прежде всего используются внутренние источники (собственная прибыль) для финансирования долгосрочного развития, а затем обращаются к внешним. Среди внешних источников на первом плане будет заемное финансирование с обеспечением, а привлечение нового капитала от собственников рассматривается как крайнее средство. В данной логике решений чем выше доходность компании, тем ниже у нее должен быть уровень долга, поскольку он стоит на втором месте в иерархии источников. Если же менеджмент компании опирается на аргументы компромиссной теории (trade-off theory) структуры капитала, то речь идет о балансировании выгод и издержек заемного финансирования. Использовать выгоды заемного финансирования удобнее более доходной компании, так как у нее больше шансов получить кредит и для нее величина экономии на налоге на прибыль, вызванная выплатой процентов, более значительна. Тогда мы в праве ожидать, что уровень долга у таких компаний находится в прямой зависимости от доходности капитала. Наконец, в наборе независимых переменных, как правило, присутствует и деловой риск компании (Business risk). Данная переменная обычно рассматривается как аргумент в пользу выбора собственного капитала для финансирования развития, так как рискованным компаниям сложно получить дополнительные заемные средства. Для отражения уровня делового риска используют величину стандартного отклонения различных показателей эффективности деятельности компании, например первого дифференциала продаж за последние 5 лет, нормированных на средний уровень совокупных активов [Wiwattanakantang, 1999].
Необходимо также учитывать и размер капитала компании, хотя его влияние на
уровень долга неоднозначно. Чем крупнее компания, тем больше у нее, при прочих равных условиях, шансов получить кредит, а следовательно, выше уровень долга. Согласно агентской теории структуры капитала, в крупных компаниях асимметрия информации между менеджерами, с одной стороны, и внешними инвесторами и кредиторами, с другой стороны, ниже. Это может способствовать увеличению доли заемного финансирования, привлекаемого на длительные сроки. Однако, используя аргумент взаимосвязи между размером капитала компании и степенью ее информационной прозрачности, сторонники сигнальной теории структуры капитала подчеркивают, что крупным компаниям выгодно выпускать акции, которые благодаря прозрачности скорее могут быть восприняты как положительные сигналы. Тем самым размер капитала компании может служить и противоположным аргументом — для снижения доли заемного капитала. Это наиболее характерно именно для компаний стран с развивающимися рынками капитала. Поэтому в исследовательских моделях в состав независимых переменных, как правило, вводится тот или иной показатель для выражения размера капитала компании (Size). С этой целью, как правило, используются либо натуральный логарифм выручки [Wiwattanakantang, 1999], либо натуральный логарифм совокупных активов [Bhaduri, 2002].
Наконец, решения о структуре капитала чувствительны к состоянию агентского конфликта в компании. Если менеджмент принимает решения, стремясь реализовать собственные интересы, то это не может не сказаться и на решениях о выборе источников финансирования долгосрочного развития компании. Для отражения возможного влияния конфликта агент — принципал в модели исследования вводят набор фиктивных переменных, от вечающих за степень асимметрии информации (agency dummies). Такой набор фиктивных пере-
менных может включать разные показатели. Часть из них увязана со структурой собственности: контроль со стороны членов семьи как собственников; вхождение в состав холдинга; контроль со стороны иностранных инвесторов; участие менеджмента в собственности; степень концентрации собственности компании. Дополнительно к переменным, выражающим те или иные показатели структуры собственности, вводятся фиктивные переменные, отражающие механизмы балансирования интересов (например, размер Совета директоров) и качество стратегических решений (например, переменная репутации) [Wiwattana kan-tang, 1999]. В исследовании по китайским компаниям [Quan et al., 2007] рассматривается также доля не обращающихся на бирже акций компании (Non-circulating Share Ratio) как показатель, способный косвенно отражать влияние агентских издержек в компании.
Решения о структуре капитала компании, безусловно, связаны с ее уникальными характеристиками. Для отражения уникальности в ряде исследований используются такие прокси-переменные, как, например, доля расходов на НИОКР и на рекламу в выручке [Bhaduri, 2002]. В работе [Kakani et al., 1998], выполненной по данным индийских компаний, можно встретить также такой показатель, как чистый экспорт, нормированный на размер капитала компании, выраженный объемом продаж. Как подчеркивается в [Kakani et al., 1998], компании, являющиеся чистыми экспортерами, в меньшей степени нуждаются в долге ввиду особенностей экспортных операций. Наконец, в работе [Booth et al., 2001], где одновременно исследованы 10 развивающихся стран, использованы и макроэкономические переменные (темп роста экономики, рыночная капитализация фондового рынка в отношении к ВВП, объем сделок на финансовом рынке, финансовое посредничество как доля ВВП) для отражения влияния институциональ-
ных факторов на принятие решений о формировании структуры капитала.
Модели исследований могут строиться с включением лаговых переменных. Необходимость их введения наиболее очевидна в случае переменных доходности компании [Pandey, 2001] и переменных, контролирующих возможности роста. Так, согласно [Pandey, 2001], компания может привлекать заемные средства, если в предыдущем году ее показатели рентабельности были высоки, так как именно на основании исторических показателей рентабельности кредитные инспектора делают вывод о благополучном финансовом положении компании.
В целом исследования детерминант структуры капитала на растущих рынках выявили наличие влияния так называемых традиционных детерминантов, таких как доходность, структура активов, размер компании, экономия на налогах, темпы роста. Подобные результаты получены и в имеющихся немногочисленых страновых [Иваш-ковская, Солнцева, 2008; Bhaduri, 2002; Nivorozhkin, 2002; Pandey, 2001; Wiwat-tanakantang, 1999], и в межстрановых сравнительных исследованиях [Booth et al., 2001]. Следует заметить, что для растущих рынков капитала направление влияния данных факторов не всегда одинаково. Так, если большинство исследований демонстрирует прямое влияние доходности компании на показатели финансового рычага, то в работе [Nivorozhkin, 2002] приводятся противоположные результаты. В то же время существует и ряд факторов, влияние которых характерно только для компаний определенных стран. К подобным специфическим факторам относится структура собственности в компании: по данным [Nivorozhkin, 2002], наблюдается наличие более высокой доли долга в структуре капитала венгерских компаний, имеющих в качестве одного из основных акционеров государство. Аналогично, на базе динамической модели для компаний Индии
в [Bhaduri, 2002] было показано, что на структуру капитала, наряду с детерминантами, относимыми к традиционным, влияют и такие, как уникальность компании и отраслевые характеристики. О влиянии на структуру капитала китайских компаний отраслевых факторов говорят результаты, полученные в [Quan et al., 2007].
Структура капитала российских компаний пока остается неизученной. Основная доля литературы посвящена статистическому описанию долговой нагрузки российских компаний [Российская корпорация..., 2007]. Эмпирические работы, выполненные на российских данных, посвящены отдельным вопросам сравнения соотношения уровня долга, используемого российскими компаниями, с компаниями развитых стран [Петров, 2005], тестированию компромиссной теории (trade-off) и теории иерархии источников финансирования (pecking order of financing) на разных временных отрезках [Ивашковская, Солнцева, 2007; 2008]. В Лаборатории корпоративных финансов ГУ-ВШЭ проект, посвященный анализу выбора структуры капитала российскими компаниями, был начат в 2006 г. По результатам одного из этапов проекта было выявлено, что долговая нагрузка крупных российских компаний тем выше, чем ниже доходность капитала в компании, выше темпы ее роста, выше налог на прибыль и менее существенны прочие налоговые выгоды, не связанные с заемным финансированием. Было также показано, что компании с высокой долей материальных активов выбирают более низкий уровень долга, а крупным компаниям свойственен более высокий показатель долговой нагрузки [Ивашковская, Солнцева, 2008]. Однако для понимания специфики финансового менеджмента в российских компаниях мы считаем важным выявление различий и сходств в выборе стратегического параметра — структуры капитала — по сравнению со странами с сопоставимым уровнем развития рынка капитала, входящими в группу BRIC.
Далее приведены характеристики выборок, исследовательской модели, анализ полученных результатов и сравнение детерминантов структуры капитала российских компаний и компаний Китая и Бразилии.
ОПИСАНИЕ ПЕРЕМЕННЫХ И ДАННЫХ
В целях проведения сравнительного анализа детерминантов структуры капитала, свойственных российским, китайским и бразильским компаниям, выборки по данным странам составлялись на базе единой системы критериев. Основными параметрами отбора компаний стали: размер компании (с размером выручки в 2006 г., превышающим 200 млн долл.), отраслевая принадлежность (исключены компании финансового сектора), стандарт отчетности (компании, придерживающиеся принципов МСФО), временной диапазон (20012006 финансовые года). Исходные данные получены преимущественно из базы Bloomberg1 и в случае необходимости дополнены за счет отчетов, взятых с официальных сайтов компаний при наличии заключения независимого аудитора в целях получения сопоставимых данных. Для крупных российских компаний благодаря базе данных Ruslana агентства Bureau Van Dijk были также собраны показатели качественного характера (управление компанией государством, разделение компаний на закрытые и публичные, наличие иностранных акционеров). Все данные представлены (или приведены по официальному курсу с сайта Центрального Банка Российской Федерации) в миллионах долларов США. К сожалению, в Китае и Бразилии только часть компаний начала переходить на МСФО, и их доля крайне мала — коли-
1 Доступ к данным регулируется договором между агентством Bloomberg и ГУ-ВШЭ.
Таблица 1
Зависимые переменные модели
Переменная (показатель структуры капитала) Описание переменной и способ ее расчета
STDR (short term debt ratio) Отношение краткосрочного процентного долга компании к сумме ее совокупного долга и балансовой стоимости ее акционерного капитала
LTDR (long term debt ratio) Отношение долгосрочного процентного долга компании к сумме ее совокупного долга и балансовой стоимости ее акционерного капитала
TDR (total debt ratio) Отношение долгосрочного и краткосрочного процентных долгов компании к сумме ее совокупного долга и балансовой стоимости ее акционерного капитала
MSTDR (market value short term debt ratio) Отношение краткосрочного процентного долга компании к сумме ее совокупного долга и рыночной стоимости ее акционерного капитала
MLTDR (market value long term debt ratio) Отношение долгосрочного процентного долга компании к сумме ее совокупного долга и рыночной стоимости ее акционерного капитала
MTDR (market value total debt ratio) Отношение совокупного процентного долга компании к сумме ее совокупного долга и рыночной стоимости ее акционерного капитала
STDRA (book value short term debt ratio) Отношение краткосрочных обязательств компании к балансовой стоимости ее активов
LTDRA (book value long term debt ratio) Отношение долгосрочных обязательств компании к балансовой стоимости ее активов
TDRA (book value total debt ratio) Отношение совокупных обязательств компании к балансовой стоимости ее активов
чества подобных компаний недостаточно для проведения исследования. Поэтому были отобраны компании с отчетностью по национальным стандартам бухгалтерского учета.2 Таким образом, были получены данные по 74 крупным российским компаниям (МСФО), 84 компаниям Бразилии (BR GAAP) и 246 компаниям Китая (CH GAAP) за 2001-2006 гг.
Зависимые переменные
Для сравнительного анализа структуры капитала компаний России, Бразилии и Китая использовалось несколько показателей
2 Авторы придерживаются мнения о возможности сопоставления результатов анализа по сформированным выборкам ввиду наличия в национальных стандартах Бразилии и Китая показателей отчета о движении денежных средств, приближающих национальные стандарты к МСФО, а также проведения в рамках исследования раздельного эконометрического оценивания выборок.
структуры капитала, которые рассматривались в качестве зависимых переменных и представлены в табл. 1. Статистический анализ выявил, что показатели структуры капитала, основанные на балансовых данных, демонстрируют одинаковую тенденцию для изучаемой выборки российских, бразильских и китайских компаний на протяжении 2001-2006 гг. (табл. 2).
Стабильный рост долгосрочного и совокупного долга начиная с 2002 г. характерен для всех страновых выборок: так, отношение долгосрочного процентного долга компании к сумме ее совокупного долга и балансовой стоимости ее акционерного капитала (LTDR) возросло с 8 до 12,9% в России, с 19 до 21% — в Бразилии и с 4,4 до 6,6% — в Китае. Динамика краткосрочного уровня долга не столь показательна, однако в целом наблюдалось снижение STDR в течение 2003-2005 гг. Несмотря на одинаковое направление изменений показателей долга, было выявлено, что российские
Таблица 2
Дескриптивная статистика показателей структуры капитала, основанных на балансовых данных, по выборкам России, Бразилии и Китая
Показатель структуры капитала Среднее значение по выборке, % Стандартное откло нение (20012006 гг.) Минимальное зна че ние (20012006 гг.) Максимальное зна че ние (20012006 гг.)
2001 г. 2002 г. 2003 г. 2004 г. 2005 г. 2006 г.
Россия
STDR 11,8 12,0 12,7 11,5 11,8 9,2 0,059 0 78,12
LTDR 10,7 8,0 9,4 10,2 12,0 12,9 0,085 0 48,05
TDR 22,6 18,5 20,8 21,8 23,8 22,0 0,114 0 75,32
Бразилия
STDR 12,12 14,63 14,11 11,24 7,62 8,67 0,089 0 53,54
LTDR 19,29 20,15 19,23 19,40 20,55 20,94 0,094 0 65,17
TDR 31,41 34,77 33,35 30,64 28,17 29,61 0,104 0 80,20
Китай
STDR 19,45 19,79 20,91 22,1 18,53 21,97 0,12 0 82,18
LTDR 4,4 4,57 5,39 5,44 5,81 6,61 0,07 0 33,61
TDR 23,86 24,37 26,30 27,54 24,34 28,49 0,12 0 82,18
и бразильские компании, включенные в выборку, предпочитают финансирование за счет долгосрочного долга, в то время как в китайских компаниях преобладает краткосрочный долг.
Анализ волатильности показателей позволил сделать следующие выводы. Отношения краткосрочного, долгосрочного и совокупного процентного долга компании к сумме ее совокупного долга и балансовой стоимости ее акционерного капитала (STDR, LTDR, TDR) наименее волатильны (стандартное отклонение для всех выборок находится в пределах 0,059-0,12).3 Показатели долга, основанные на обязательствах (отношения краткосрочных, долгосрочных и совокупных обязательств компании к балансовой стоимости ее активов), более во-латильны, их стандартные отклонения находятся в пределах от 0,06 до 0,204. Вполне обоснованно показатели структуры капи-
3 Таблицы, представляющие показатели структуры капитала, основанные на обязательствах компании, а также на рыночных данных, опущены ввиду аналогичной динамики и масштабности демонстрируемых в них сведений.
тала на базе рыночной капитализации собственного капитала обладают гораздо более высокой волатильностью: стандартное отклонение лежит в пределах 0,05-0,25. При этом показатели волатильности остаются стабильными на исследуемом интервале. Минимальное значение выборочных переменных структуры капитала, отражающих уровень долга, для страновых выборок либо равно нулю, либо близко к данному пределу (1-1,5%). В то же время максимальное значение существенно отличается по выборкам: для российских компаний — от 31 до 78% для краткосрочного процентного долга и от 22 до 48% для долгосрочного уровня долга, для выборки по Бразилии — от 23 до 53% и от 46 до 65% соответственно, в то время как для китайских компаний в выборке они лежат в пределах 45-82% и 31-34% соответственно.
Независимые переменные
Использованный в исследовании набор независимых переменных построен на основе анализа существующих исследований по
Таблица 3
Независимые переменные, использующиеся для анализа детерминантов структуры капитала
Переменная Описание переменной и способ ее расчета
NDT Отношение амортизации к совокупным активам (Depreciation/Total Assets)
Tax Отношение величины выплаченного налога на прибыль к показателю прибыли до налогов
Tangibility Доля внеоборотных активов в совокупных активах компании (Fixed Assets/Total Assets)
Prof Отношение прибыли до выплаты процентов и налогов к совокупным активам компании (EBIT/Total Assets)
Lprof Лаговая переменная по отношению к переменной Prof, отстоящая на один год
Prof2 Отношение прибыли от операционной деятельности к выручке от реализации продукции компании
Lprof2 Лаговая переменная по отношению к переменной Prof2, отстоящая на один год
Lnsales Прокси-переменная для размера капитала компании, рассчитываемая как натуральный логарифм продаж компании
Lnassets Прокси-переменная для размера капитала компании (второй вариант), рассчитываемая как натуральный логарифм совокупных активов компании
Div Доля дивидендов в чистой прибыли
Growth Отношение капиталовложений к совокупным активам компании (Capex/Total Assets)
Lgrowth Лаговая переменная по отношению к переменной Growth, отстоящая на один год
MTB Отношение рыночной стоимости акционерного капитала к балансовой стоимости акционерного капитала (market-to-book)
Govern Фиктивная переменная, принимающая значение, равное 1, если компания находится под управлением государства, и 0 — в противном случае
Foreign Фиктивная переменная, принимающая значение, равное 1, если у компании есть иностранные акционеры, и 0 — в противном случае
данному вопросу, представленного выше. В табл. 3 описан способ расчета соответствующих показателей. Качественные переменные, выражающие уникальные характеристики компаний (наличие государства как основного акционера, присутствие иностранных инвесторов), строились только для выборки по российским компаниям.
АНАЛИЗ ДЕТЕРМИНАНТОВ СТРУКТУРЫ КАПИТАЛА
В анализе детерминантов предусмотрены два этапа. Прежде всего оценена линейная регрессионная модель с перекрестными (cross-section) данными для каждого года и для каждой использованной зависимой
переменной, которая описывается следующим образом4:
L = ф + Y1NDT + у2Та^ШШу +
+ Y3Prof + у^^ае + у^ю + ,чч
(3)
+ Y6Growth + Y1Govern + Y8MTB +
+ Y9Foreign + и.
Первоначально модель строится по данным за 2002 г.5 Далее осуществляется замена переменной, отвечающей за доходность капитала, на лагированную на один шаг
4 Все линейные регрессии тестировались на выполнение условий Гаусса-Маркова.
5 Анализ перекрестных данных для 2001 г. не проводится ввиду отсутствия лаговых переменных.
переменную. Сравнение между моделями осуществляется посредством коэффициента детерминации R2 и выбора модели с наиболее высоким значением коэффициента. По такому принципу перебираются следующие независимые переменные: Prof2 (второй вариант прокси для доходности), Lprof2, Lnassets (второй вариант прокси для размера капитала компании), Lgrowth, а также второй вариант прокси для налоговых льгот Tax. Выбранная таким образом модель проходит чистку от незначимых переменных, в результате чего приводится итоговая модель, отражающая детерминанты данного показателя уровня долга за 2002 г. На следующем этапе анализа вся последовательность действий воспроизводится для 2003-2006 гг.
На втором этапе в рамках панельного анализа оцениваются три вида регрессий: сквозная (pooled), регрессия с детерминированным эффектом (fixed effect), регрессия со случайным эффектом (random effect). Анализ факторов, влияющих на структуру капитала, на панельных данных необходим для учета не только пространственных характеристик выбора структуры капитала (различий и сходств выбора структуры капитала рядом компаний), но и для оценивания индивидуальных особенностей компаний в выборке во времени. С помощью нескольких тестов6 (F-тест для тестирования модели на основе сквозной регрессии против модели с фиксированными эффектами, тест Бройша-Пагана для тестирования модели на основе сквозной регрессии против модели со случайным эффектом и тест Хаусмана для тестирования модели с фиксированными эффектами против модели со случайным эффектом) для каждой зависимой переменной была выбрана модель, наиболее полно соответствующая критериям тестов. Сводные результаты анализа детерминантов структу-
6 Все тесты проводились на 5%-м уровне значимости.
ры капитала компаний России, Бразилии и Китая на панельных данных приведены в табл. 4-6.7
Следует отметить, что в табл. 4-6 представлены результаты по первым значимым регрессиям (тестирование F-статистики на 10%-м уровне значимости), получаемым после удаления ряда незначимых переменных. При этом коэффициенты при переменных приведены в табл. 4-6 по результатам итоговых моделей, содержащим только значимые переменные. В ячейках с детерминантами, не попавшими даже в первые значимые в целом регрессии, ничего не указано. Был проведен анализ различных моделей панельных данных — простой регрессионной модели, модели с фиксированными эффектами и модели со случайными эффектами — на основании F-теста и тестов Бройша-Пагана и Хаусмана. В результате выбранные модели, наилучшим образом соответствующие критериям тестов, обозначены в табл. 4-6 знаком «+» в строках «Pooled», «Fixed», «Random».8 Соответствующие выбранной модели показатели качества моделей приведены в двух последних строках табл. 4-5.9 Как видно из табл. 4, для российских компаний выбрана модель со случайными эффектами, т. е. индивидуальные эффекты российских компаний не связаны с выбранными независимыми переменными. По выборке китайских компаний результаты прямо противоположны: 7 из 9 регрессий демонстрируют преимущество моделей с фиксированными эффектами. Результаты по выборке компаний Бразилии
7 Ввиду масштабности данных результаты оценивания на перекрестных данных не приводятся, однако учитываются при определении итогового направления влияния.
8 Ввиду того, что в табл. 6 везде более значимыми оказались регрессии с фиксированным эффектом (Fixed), строки «Pooled» и «Random», как пустые, были удалены.
9 В табл. 6, где выбрана модель с фиксированными эффектами (Fixed), проведение тестов Wald chi2 и Prob > chi2 не требуется.
Переменная STDR LTDR TDR SRDRA LRDRA TDRA MSTDR MLTDR MTDR
NDT 0,005** — -0,0647 0,0192 1,023** 1,0636*** 0,7189*** — 0,7218***
Dax — -0,0019*** — — — — — -0,0013 —
Tangibility -0,1864*** 0,0933 -0,1591 -0,2014*** -0,0544 -0,2711*** -0,0854* -0,0630 -0,1842**
Prof — — -0,1668** — — -0,2104** — -0,1389* -0,3707***
Lprof -0,0001 — — — — — — — —
Prof2 — — — 0,0339* — — — — —
Lprof2 — -0,0238 — — 0,0083 — -0,0546 — —
Lnsales — 0,0310 — — — 0,0168 — 0,0059 —
Lnassets -0,0201*** — 0,0101 -0,0398*** 0,0408*** — -0,0126** — —
Div -0,0001 -0,0001 -0,0002 0,0000 -0,0005 0,3034* -0,0001 -0,0003 -0,0004
Growth -0,0159** 0,1111 0,1888* 0,1647 0,1531 0,3719 — 0,1907* —
Lgrowth — — — — — — 0,0060** — 0,0045
MTB — — — — — — -0,0292*** -0,0200*** -0,0464***
Govern 0,0442** -0,0566 0,0167 0,0324 -0,1144 0,0318 0,0290 0,0124 0,0395
Foreign -0,0109 (удалена) 0,0114 0,0294 (удалена) 0,0348 -0,0169 0,0064 0,0101
Const 0,3695** -0,0605 0,2481*** 0,6786*** -0,1533** 0,6297*** 0,2639** 0,1439*** 0,4253***
Число наблюдений 307 307 306 312 317 311 226 227 231
Число групп 73 73 73 74 74 74 69 70 69
Pooled — — — — — — — — —
Fixed — + — — + — — — —
Random + — + + — + + + +
R2: within — 0,1342 — — 0,7129 — — — —
Wald chi2 59,01 — 12,64 64,26 — 487,24 488,33 28,9 266,67
Prob > chi2 0,0000 — 0,0055 0,0000 — 0,0000 0,0000 0,0000 0,0000
Примечания:
Серым цветом выделены те независимые переменные, которые представляют собой альтернативные варианты для переменных, находящихся в предшествующей строке, и оцениваются по очереди, в разных регрессиях (подробнее см. в описании методологии в данном разделе). * — 10%-й уровень значимости; ** — 5%-й уровень значимости; *** — 1%-й уровень значимости.
Переменная STDR LTDR TDR SRDRA LRDRA TDRA MSTDR MLTDR MTDR
NDT -1,5534*** -0,6061*** 0,1951 -0,0405 — — 0,2348 — 0,7465**
Tax — — — — -0,0001 0,0001 — 0,0001 —
Tangibility 0,09113 0,0850*** 0,1041 0,0335** 0,0733*** 0,0068 0,1068*** 0,0965*** 0,1423***
Prof -0,6920*** 0,0378 -0,5888*** — — — -0,3473*** -0,0009 -0,2440***
Profi — — — 0,0003 -0,0007*** -0,0004*** — — —
Lnsales 0,05493*** — — 0,0256*** — 0,0270*** 0,0584** — —
Lnassets — 0,0389*** 0,3234*** — 0,0223*** — — 0,0792*** 0,1904***
Div -0,00258*** -0,0014* -0,0014 0,0009 -0,0013** -0,0003 0,0012 -0,0012 0,0009
Growth -0,0998*** 0,0749** -0,0036 -0,1089*** 0,0732*** -0,0246 -0,2142*** 0,0553** -0,1415***
MTB 0,0369 0,0004 0,0882*** -0,0011 -0,0002 -0,0051*** -0,0255*** -0,0007 -0,0252***
Const -0,1723*** -0,2671*** -2,3224*** 0,1303*** -0,1620*** 0,1514*** -0,1923*** -0,5948*** -1,218***
Число наблюдений 1449 1003 1458 1472 1008 1454 1453 1454 1450
Число групп 246 246 246 246 246 246 246 246 246
Pooled — — — — — — — — —
Fixed — + + + — + + + +
Random + — — — + — — — —
R2: within — 0,1480 0,1849 0,1214 — 0,1655 0,3574 0,2621 0,5267
Wald chi2 92,44 — — — 229,60 — — — —
Prob > chi2 0,0000 — — — 0,0000 — — — —
Примечания:
Серым цветом выделены те независимые переменные, которые представляют собой альтернативные варианты для переменных, находящихся в предшествующей строке, и оцениваются по очереди, в разных регрессиях (подробнее см. в описании методологии в данном разделе). * — 10%-й уровень значимости; ** — 5%-й уровень значимости; *** — 1%-й уровень значимости.
Переменная STDR LTDR TDR SRDRA LRDRA TDRA MSTDR MLTDR MTDR
NDT 1,550*** — -0,0699 0,8070*** -0,2863* — 1,265*** — —
Tax — -0,0013* — — — 0,0004 — 0,0003 0,0012
Tangibility 0,1025** -0,1839 -0,0509 -0,0537 0,0167 -0,0634 0,3383*** -0,1859 0,2567***
Prof — — — — -0,1723*** — — -0,5527*** —
Prof2 — 0,0051 — — — — — — —
Lprof2 -0,0204 — -0,1209*** 0,0262 — -0,0509* 0,0266 — -0,2697
Lnsales -0,083*** — -0,0741*** — — -0,0474*** -0,1594*** — —
Lnassets — -0,0418 — -0,0532*** 0,0016 — — -0,0320 -0,0758***
Div 0,0005 0,0006 0,0006 0,0007* -0,0003 0,0002 0,0021*** -0,0339* -0,0000
Growth -0,6904*** 0,3649 -0,3122*** -0,0163 0,2097 -0,1895*** — — —
Lgrowth — — — — — — -0,0529 0,7602*** 0,4397***
MTB 0,0000 0,0002*** 0,0002*** -0,0001*** 0,0001*** 0,0000*** -0,0001** -0,0731*** -0,1791***
Const 0,7220*** 0,2853*** 0,9769*** 0,6014*** 0,2376*** 0,8017*** 1,1952*** 0,6256*** 1,0132***
Число наблюдений 376 382 314 313 414 314 313 312 312
Число групп 83 84 72 72 74 72 72 72 72
Fixed + + + + + + + + +
R2: within 0,4329 0,1527 0,4293 0,2025 0,1130 0,2927 0,3936 0,3987 0,6246
Примечания:
Серым цветом выделены те независимые переменные, которые представляют собой альтернативные варианты для переменных, находящихся в предшествующей строке, и оцениваются по очереди, в разных регрессиях (подробнее см. в описании методологии в данном разделе). * — 10%-й уровень значимости; ** — 5%-й уровень значимости; *** — 1%-й уровень значимости.
Строки «Pooled» и «Random» не включены, так как во всех случаях была выбрана модель «Fixed».
показывают, что модель с фиксированными эффектами предпочтительна во всех случаях. Это говорит о наличии независимых от времени индивидуальных эффектов для каждой компании из бразильской и китайской выборок.
Таким образом, анализ позволил сделать следующие выводы. Во-первых, более прибыльным компаниям присущ более низкий уровень долговой нагрузки. Данный результат сохраняется не только для всех спецификаций модели и вариантов расчета доходности капитала компании, но и для всех страновых выборок. Отмеченный эффект подтверждается исследованиями, выполненными по компаниям с других развивающихся рынков капитала: в [МуогогЬкт, 2002] ее автор ссылается на работы [СогпеШ et а1., 1996; Нивват et а1., 1997], подтверждающие аналогичные результаты. Характер зависимости в нашей модели не меняется и в регрессиях, где значимость лаговых независимых переменных выше.
Во-вторых, выявлено, что такая детерминанта, как экономия на налоге на прибыль, оказывает противоречивое влияние на структуру капитала в исследованных выборках компаний. Чем выше налоговая экономия, вызванная выплатой процентов по долгу, тем ниже уровень долга. Эта обратная зависимость подтверждена для всех использованных страновых выборок. Однако характер влияния экономии на налоге на прибыль, не связанной с заемным финансированием (NDT), различен в страновых выборках. Так, для российских компаний выявлена прямая зависимость показателей структуры капитала от данной переменной, а для выборки компаний Бразилии и Китая такой же характер влияния обнаружен не для всех показателей (для краткосрочных показателей долга в Бразилии и показателей совокупного долга в Китае). Направление влияния переменной NDT в этих выборках зависит от формы показателя долговой нагрузки. По-
добные различия могут быть связаны с тем, что менеджеры компаний преследуют различные принципы при формировании элементов структуры капитала.
В-третьих, установлено, что темпы роста также неоднозначно влияют на структуру капитала исследуемых выборок компаний. В то время как для выборки российских компаний обнаружена прямая связь про-кси-переменных для темпов роста компании и уровня долга, для выборок компаний Бразилии и Китая данная зависимость носит более сложный характер. Так, для компаний из выборки по Бразилии выявлена прямая зависимость структуры капитала от текущих темпов роста и обратная — от лаговой прокси-переменной для темпов роста. Данный эффект, вероятно, объясняется тем, что компания с высокими темпами роста в прошлом в следующем периоде сможет в большей степени рассчитывать на возросшие собственные источники финансирования. Для выборки компаний Китая значимы только текущие показатели темпов роста и не значима ла-говая переменная, причем направление влияния зависит от формы показателя долговой нагрузки: в случае использования показателей долгосрочного долга наблюдается прямая зависимость структуры капитала от темпов роста, в то время как для краткосрочных, напротив, выявлена обратная зависимость. Данное наблюдение может быть объяснено тем, что менеджеры компаний с высокими темпами роста рассчитывают на увеличение внутренних источников финансирования компании при формировании структуры капитала и определении необходимого уровня долгосрочного долга.
В-четвертых, установлено разноплановое влияние, оказываемое типом активов (Tangibility) на уровень долга. Если для оцениваемой выборки российских компаний выявлена обратная зависимость, то для выборок по остальным странам, напротив, прямая. При этом следует отметить,
что результат, полученный на выборке компаний Бразилии и Китая, относится к ожидаемым. Между тем для оцениваемой выборки российских компаний выявленное воздействие переменной Tangibility противоречит стандартному предположению о прямой зависимости показателей финансового рычага от высокой доли материальных активов. Однако такая нестандартная зависимость характерна не только для крупных российских компаний. В частности, в исследовании [Nivorozhkin, 2002] аналогичная зависимость получена и для венгерских компаний, что свидетельствует о возможности наличия подобных проблем при анализе растущих рынков капитала. Одной из возможных причин нестандартной формы зависимости может быть низкая залоговая стоимость долгосрочных материальных активов в компаниях на развивающихся рынках капитала, что основано на состоянии и сроках фактической эксплуатации активов, высокой степени их износа, низкой ликвидности на вторичном рынке материальных активов.
В-пятых, как следует из табл. 4-6, неодинаковое влияние на структуру капитала компаний изучаемых выборок оказывает и размер капитала компании. Для выборок компаний по России и Китаю подтвердилась ожидаемая прямая зависимость уровня процентного долга и обязательств от размера капитала компании, выраженного логарифмом продаж (Lnsales). При этом, если для выборки китайских компаний зависимость стабильна и сохраняется и для второго показателя размера, рассчитанного как натуральный логарифм активов компании (Lnassets), то для выборки российских компаний, напротив, характер влияния данной переменной меняется в регрессиях для разных показателей зависимой переменной. Для выборки компаний Бразилии структура капитала оказалась в обратной зависимости от размера капитала компании при всех способах расчета независимой переменной.
В-шестых, для всех страновых выборок влияние переменной дивидендных выплат на структуру капитала является слабым либо отсутствует вовсе. При этом для выборки российских и китайских компаний была выявлена обратная зависимость уровня долга от этой переменной. Для выборки бразильских компаний обратная зависимость была установлена лишь в случае анализа структуры капитала на основе рыночной стоимости — показателя доли долгосрочного долга в сумме рыночной стоимости собственного капитала и балансовой стоимости долга (MLTDR). В случаях использования иных форм показателей зависимой переменной по выборке бразильских компаний либо была выявлена прямая зависимость от выплат дивидендов, либо взаимосвязь этих переменных не была обнаружена вовсе.
Таким образом, проведенный анализ детерминантов структуры капитала показал ряд специфических особенностей ее формирования в крупных компаниях из оцениваемых выборок по России, Китаю и Бразилии, что поставило под сомнение возможность объединения выборок в одну и применения к ней единой эконометриче-ской модели. Для получения статистически подтвержденного вывода о невозможности такого объединения был проведен тест Чоу. Для тестирования были выбраны зависимые переменные, продемонстрировавшие наиболее значимые результаты при раздельном тестировании, а именно: отношение долгосрочного и краткосрочного процентных долгов компании к сумме ее совокупного долга и балансовой стоимости ее акционерного капитала (TDR); отношение совокупных обязательств компании к балансовой стоимости ее активов (TDRA); отношение совокупного процентного долга компании к сумме ее совокупного долга и рыночной стоимости ее акционерного капитала (MTDR). В качестве независимых переменных были рассмотрены те, по которым выявлены идентичные результаты
Таблица 7
Результаты теста Чоу для выборок по России, Бразилии и Китаю
Показатель Бразилия — Китай Бразилия — Россия Китай — Россия
RSS combined 107,0098 7,6031 106,4328
RSS1 3,3397 3,3397 102,1218
RSS2 102,1218 2,5811 2,5811
K 6 6 6
N1 311 311 989
N2 989 236 236
F-stat 3,1516 25,3366 3,3403
P-value 0,0045 0,0000 0,0029
Примечения:
Показатель RSS (residual sum of squares) отвечает за необъясненную часть регрессии. Индексы 1 и 2 при показателе RSS отвечают за величину показателя, рассчитанную для первой страны из пары стран, участвующих в тесте. Величина К отражает общее число параметров и необходима при нахождении степеней свободы F-статистики.
по каждой из выборок. Таким образом, были включены следующие независимые переменные: доходность капитала компании (Prof), экономия на налоге на прибыль недолгового происхождения (NDT), темпы роста (Growth), выплаты дивидендов (Div), переменная возможностей роста (отношение рыночной стоимости акционерного капитала к балансовой стоимости — MTB). Следует также напомнить, что при формировании страновых выборок были определены единые критерии отбора по размеру и отраслевой принадлежности компаний. Тем не менее проведение попарного теста Чоу подтвердило, что невозможно объединить в единую выборку ни одну из пар выборок компаний исследуемых стран. Результаты теста представлены в табл. 7.
Таким образом, проведенный анализ компаний наиболее крупных стран из группы BRIC свидетельствует о специфичности воздействия исследованного набора детерминантов на структуру капитала оцениваемых выборок компаний в каждой стране. Это означает, что, разрабатывая политику финансирования, менеджмент крупных компаний России, Бразилии и Китая опи-
рается на разные наборы факторов, а значит, свойственные той или иной стране средние показатели структуры капитала крупных компаний формируются под влиянием разных аргументов.
ЗАКЛЮЧЕНИЕ
Выбор структуры капитала является ключевым компонентом стратегии финансирования компании. Решения менеджмента о необходимом соотношении собственных и заемных средств в итоге отражаются на стоимости компании. Однако менеджеры компаний крупных стран с развивающимися рынками капитала придерживаются различных концепций формирования стратегий финансирования.
Проведенный нами анализ показал, что для компаний России, Бразилии и Китая абсолютные величины уровня долговой нагрузки существенно различаются, несмотря на похожую тенденцию его изменения на протяжении исследуемого периода. Данные различия не только основаны на институциональных факторах, но
и вызваны разным влиянием детерминантов формирования структуры капитала. Несмотря на обратную зависимость структуры капитала от доходности капитала компаний, обнаруженную во всех оцениваемых страновых выборках, структура активов и размер капитала компании оказывают разнонаправленное влияние на формирование стратегического параметра политики финансирования — структуры капитала — в крупных компаниях России, Бразилии и Китая. Если такой фактор, как экономия на налоге на прибыль, действует практически одинаково, то влияние дивидендных выплат и темпов роста компании существенно различается. Исследование оцениваемых выборок компаний показывает, что при принятии стратеги-
ЛИТЕРАТУРА
Ивашковская И. В., Солнцева М. С. 2007. Структура капитала российских компаний: тестирование концепции компромисса и порядка источников финансирования. Электронный журнал «Корпоративные финансы» (2): 17-31. http://ecsocman.edu. ru/images/pubs/2007/11/28/0000316703/ ivashkovskaya_17-31.pdf
Ивашковская И. В., Солнцева М. С. 2008. Структура капитала в российских компаниях как стратегическое решение. Вестник С.-Петербургского ун-та. Серия Менеджмент (3): 3-32.
Петров Н. П. 2005. Принципы формирования структуры капитала на развитых и растущих рынках. В сб.: Колосницина М. Г. (ред.). Сборник работ студентов факультета экономики ГУ—ВШЭ — лауреатов научных конкурсов 2004 и 2005 гг. М.: Издательский дом ГУ-ВШЭ; 160-177.
Российская корпорация: внутренняя организация, внешние взаимодействия, перспектив развития. 2007. Под ред. Долгопято-вой Т. Г., Ивасаки И., Яковлева А. А. М.: Издательский дом ГУ-ВШЭ.
ческих решений о финансировании крупного бизнеса менеджеры китайских и бразильских компаний выбирают структуру капитала, ориентируясь на похожую систему аргументов, в то время как ключевые детерминаты, используемые менеджерами российских компаний, существенно отличаются. Поэтому в будущих исследованиях предстоит выявить мотивы, лежащие в основе выбора структуры капитала, в компаниях, включенных в рассмотренные национальные выборки. Это можно увидеть по результатам тестирования ключевых теоретических концепций, объясняющих аргументы менеджмента и собственников при воплощении в жизнь решений о выборе политики долгосрочного финансирования.
Bhaduri S. N. 2002. Determinants of capital structure choice: A study of the Indian sector. Applied Financial Economics 12 (9): 655-665.
Booth L., Varouj A., Demirguk-Kunt A., Mak-simovic V. 2001. Capital structures in developing countries. Journal of Finance 56 (1): 87-130.
Cornelli F., Portes R., Schaffer M. E. 1996. The Capital Structure of Firms in Central and Eastern Europe. CEPR Discussion Paper No. 1392. Centre for Economic Policy Research: London.
Hussain Q., Nivorozhkin E. 1997. The Capital Structure of Listed Companies in Poland. IMF Working Paper No. 97/175.
Kakani R. K., Reddy V. N. 1998. Econometric Analysis of Capital Structure Determinants. Indian Institute of Management Calcutta (IIMC) Working Paper No. WPS-333/98.
Nivorozhkin E. 2002. Capital structures in emerging stock markets: The case of Hungary. The Developing Economies 40 (2): 166-187.
Nivorozhkin E. 2003. The Dynamics of Capital Structure in Transition Economies. BOFIT Discussion Paper No. 2. Bank of Finland, Institute for Economies in Transition, BOFIT.
Pandey I. M. 2001. Capital Structure and the Firm Characteristics: Evidence from an Emerging Market. IIMA Working Paper No. 2001-10-04.
Qian Y., Tian Y., Wirjanto T. N. 2007. An Empirical Investigation into the Capital-Structure Determinants of Publicly Listed Chinese Companies. SSRN Working Papers Series. http://www.ssrn.com Wiwattanakantang Y. 1999. An empirical study on the determinants of the capital structure of Thai firms. Pacific-Basin Finance Journal 7 (3-4): 371-403.
Статья поступила в редакцию 15 декабря 2008 г.
