CC BY
38
Библиографический список
1. Цвырко А. А. Государственное регулирование и поддержка сельского хозяйства за рубежом // Известия Тульского государственного университета. Экономические и юридические науки. Вып. 2., ч. 1. Тула: Изд-во ТулГУ, 2011.
2. Ремезков А. А. Государственное регулирование экономики АПК // Политематический сетевой электронный Научный Журнал Кубанского государственного аграрного университета. 2010. № 24. С 120-122.
A.A. Tsvyrko
Grain market in Russia and the World: status and trends
The current state of the grain market of Russia, to determine its place and role in world grain production. Are the major exporters of Russian grain. Studied the price situation on the grain market after Russia joins the WTO.
Key words: Russian grain market, the global grain market, Grain Union, World Trade Organization, food security, prices and trends.
УДК 330.4
A.А. Мальцева, канд. экон. наук, начальник отдела научно-технической информации и организации научной работы, (4712)50-48-15, 80179@list.ru, (Россия, Курск, ЮЗГУ);
B.И. Дроздов, канд. техн. наук, доцент, директор Центра тестовых технологий, drozdd41@mail.ru, (Россия, Курск, ЮЗГУ)
ФОРМИРОВАНИЕ С ПРИМЕНЕНИЕМ ДИАЛОГОВОЙ СИСТЕМЫ ИЗМЕРЕНИЯ ЛАТЕНТНЫХ ПЕРЕМЕННЫХ НАБОРА ИНДИКАТОРОВ ДЛЯ ФИНАНСОВОГО АНАЛИЗА ТЕХНОПАРКОВЫХ СТРУКТУР
Изложены результаты комплексного исследования по определению оптимального набора индикаторов для проведения финансового анализа технопарковых структур на основе модели Раша с использованием диалоговой системы измерения латентных переменных RUMM 2020.
Ключевые слова: технопарковая структура, технопарк, латентная переменная, финансовый анализ, финансовое состояние, финансовый результат, индикатор.
Исследование выполнено в рамках ФЦП «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы ГК1090.
Развитие научной методологии функционирования технопарков является одним из актуальных направлений, в рамках которого высвечивается
острая необходимость изучения микроэкономических аспектов деятельности управляющих компаний — органов, обеспечивающих менеджмент технопарка и синергетическое взаимодействие ключевых групп резидентов [2].
С микроэкономических позиций управляющие компании технопарко-вых структур являются субъектами экономики и могут рассматриваться как стандартные коммерческие организации, финансово-хозяйственная деятельность которых может быть изучена с использованием системы общепринятых показателей финансового анализа.
Выбор оптимального набора оценочных индикаторов при проведении финансового анализа является важной предпосылкой получения необходимой и достаточной информации для принятия эффективных управленческих решений в финансовой деятельности управляющих компаний технопарковых структур.
Целью исследования является разработка на основе модели Раша с использованием диалоговой системы измерения латентных переменных RUMM 2020 (Rasch Unidimensional Measurement Models) системы индикаторов, наиболее полно и комплексно характеризующей латентную переменную «Уровень финансового состояния и финансовых результатов технопарковой структуры», определение рекомендуемых значений отдельных показателей, имеющих низкую вариацию в рамках рассматриваемой модели.
Выбор Item Response Theory в качестве инструментария исследования обусловлен уникальностью модели Раша, так как она задает механизм преобразований формальных наблюдений за исходом событий в объективные измерения на метрической шкале латентных стимулов этих событий [1].
Методика исследования с использованием диалоговой системы измерения латентных переменных отличается многоэтапностью и предполагает использование следующего обобщенного алгоритма (рис. 1).
Для реализации целей исследования была выбрана система относительных показателей, включающая комплексные характеристики финансовых результатов и финансового состояния технопарковых структур (рис. 2).
Был проведен расчет значений выбранных показателей по данным публичной бухгалтерской отчетности 12 технопарковых структур за период 2008-2010 гг.
В выборку попали структуры, организованные преимущественно в форме открытых акционерных обществ, публичная отчетность которых имеется в открытом доступе на официальных сайтах: ОАО «Технополис «Свето-град» (г. Белгород), ОАО «Кузбасский технопарк» (г. Кемерово), ОАО «Технопарк «Слава» (г. Москва), ОАО «Технопарк «Зеленоград» (г. Зеленоград), ОАО «Технопарк «Орбита» (г. Москва), ОАО «ВНИИЭФ-Конверсия» (г. Са-ров, Нижегородская область), ОАО «Технопарк «Система-Саров» (г. Саров, Нижегородская область), ОАО «Технопарк Новосибирского Академгородка» (г. Новосибирск), ОАО «Инновационно-производственный технопарк «Восток» (г. Чистополь, Республика Татарстан), ООО «Технополис «Химград» (г. Казань), ОАО «Технопарк» (г. Самара), ОАО «Технопарк Санкт-Петербурга» (Ингрия) (г. Санкт-Петербург).
В результате была получена матрица 30x33, в которой в столбцах отображаются выбранные индикаторы, а по строкам — соответствующие техно-парковые структуры и период расчета. На пересечении строк и столбцов находятся расчетные значения показателей соответствующего субъекта экономики за выбранный период.
Оценка распределения латентной переменной и дифферен-ттиттоптей силы
конец
Определение степени соответствия системы индикаторов модели Раша по
Анализ характеристических кривых каждого индикатора на соответствие модели Раша
Углубленный анализ трудности достижения, сепарабельности и эконо-
^^^ начало ^^^
Формирование системы оценочных индикаторов
Ввод матрицы исходных
Анализ экономического содержания показателей и выбор индикаторов
Обработка данных с использованием диалоговой системы 1ШММ 2020
ниже, чем в предыдущем -Л ЛИС
выше, чем в преды душем этапе
соответству
не соответствует
Формирование усовершен- 1 соответству- Исключение индикатора
ствованного наоора индика- из системы
тооов
Рис. 1. Обобщенный алгоритм исследования
Группы оценочных индикаторов
Показатели динамики
Показатели структуры активов и пассивов
Показатели финансовой устойчивости
Показатели ликвидности и платежеспособности
Показатели деловой активности
Показатели рентабельности
Темп роста имущества (10027) Темп роста объемов реализации (10028) Темп роста прибыли от продаж (10029) Темп роста чистой прибыли (10030)
Коэффициент соотношения оборотных и внеоборотных активов (10009)
Коэффициент имущества производственного назначения (10010)
Доля дебиторской задолженности в общей величине имущества (10012)
Доля кредиторской задолженности в общей величине источников имущества (10011) Доля финансовых вложений в общей величине имущества (10013)
Доля нематериальных активов в общей величине имущества (10008)_
Коэффициент автономии (10001) Коэффициент финансового риска (10002) Коэффициент обеспеченности собственными оборотными средствами (10003) Индекс постоянного актива (10004)
Коэффициент абсолютной ликвидности (10007) Коэффициент критической ликвидности (10006) Коэффициент текущей ликвидности (10005)
Коэффициент устойчивости экономического роста (10014) Ресурсоотдача (10015)
Коэффициент оборачиваемости оборотных средств (10016) Коэффициент оборачиваемости дебиторской задолженности (10017)
Коэффициент оборачиваемости кредиторской задолженности (10018)
Рентабельность активов (по прибыли до налогообложения) (10019) Рентабельность реализованной продукции (по прибыли до налогообложения) (10020)
Рентабельность затрат (по прибыли до налогообложения) (10021) Рентабельность собственного капитала (по прибыли до налогообложения) (10022)
Рентабельность активов (по прибыли от продаж) (10023) Рентабельность реализованной продукции (по прибыли от продаж) (10024)
Рентабельность затрат (по прибыли от продаж) (10025) Рентабельность собственного капитала (по прибыли от продаж) (10026)
Рис. 2. Индикаторы оценки финансового состояния и финансовых результатов
Для целей исследования было введено допущение о равной значимости полученных значений индикаторов во всех периодах (без учета динамики показателей в рамках каждой технопарковой структуры). Такое допущение можно считать возможным, так как система представлена исключительно относительными показателями, которые обладают свойством сравнимости без приведения их к сопоставимому виду.
В рамках первого этапа исследования решался вопрос о совместимости выбранного набора индикаторов для измерения исследуемой латентной переменной «Уровень финансового состояния и финансовых результатов технопарковых структур», что определяет в терминах математической статистики соответствие системы индикаторов модели Раша.
Анализ экономического содержания индикаторов системы позволил выдвинуть гипотезу о необходимости инвертирования следующих показателей:
- коэффициент финансового риска (I0002);
- доля дебиторской задолженности в общей величине имущества (I0012);
- доля кредиторской задолженности в общей величине источников имущества (I0011).
1 этап. Полученное в процессе обработки данных на первом этапе распределение значений латентной переменной в большей степени соответствует нормальному распределению при допустимой вариации и незначительными отклонениями от нормы. Распределение значений индикаторов близко к равномерному распределению, его размах больше по сравнению с размахом распределения для латентной переменной, что указывает на полный (больший) охват исследуемого итогового значения.
Анализ показателя разности математических ожиданий латентной переменной и индикаторов — 0,025 логит (менее 0,5), что в первом приближении характеризует набор индикаторов как отвечающий характеристике латентной переменной.
Степень соответствия набора значений признаков (индикаторов) модели Раша определяется с помощью критерия Хи-квадрат (Пирсона).
Расчетное значение критерия Пирсона составляет 0,6068 (более 0,05) при числе степеней свободы, равном 60, т. е. предложенный набор индикаторов соответствует модели Раша. Полученное значение уровня сепарабельности, характеризующее дифференцирующую способность набора выбранных индикаторов, выше среднего и составляет 0,5871, при этом результаты теста программного средства характеризуют мощность системы индикаторов как разумный («resonable»), но не превосходный («excellent»).
Для получения лучших значений детально исследованы критические значения критерия Пирсона для каждого признака системы. В соответствии с критерием Пирсона, значение которого должно превышать 0,05, из набора показателей, характеризующих латентную переменную, предложе-
но было исключить темп роста имущества (I0027), рентабельность активов (по прибыли от продаж) (I0023).
Был проведен анализ характеристических кривых указанных индикаторов, подтверждающий их несоответствие модели Раша.
Для целей исследования рассмотренные объекты (технопарковые структуры в каждом периоде) условно разделены на три группы: имеющие в совокупности высокие (1 группа), средние (2 группа) и низкие (3 группа) показатели, характеризующие латентную переменную «Уровень финансового состояния и финансовых результатов технопарковых структур». Гипотетически предполагается, что для прямых показателей значения первой группы будут выше, чем у второй, а у второй, чем у третьей. При обратных показателях — значения обратные. В случае несоответствия указанному соотношению между группами выявляется необходимость исключения индикатора из набора как неудовлетворяющего общей тенденции (или инвертирование показателей в системе как обратных).
Проведение статистического анализа и его экономическая интерпретация подтвердили гипотезу о совершенствовании набора индикаторов для обеспечения наилучшей оценки латентной переменной.
Дальнейшим направлением статистического анализа стала обработка нового набора индикаторов, из которого были исключены показатели I0023, I0027, в остальном совпадающего с предыдущим.
2 этап. Полученное в результате второго этапа исследований распределение латентной переменной и дифференцирующая сила набора индикаторов, распределение значений латентной переменной в большей степени соответствует нормальному распределению при допустимой вариации и незначительными отклонениями от нормы. Распределение значений индикаторов близко к равномерному распределению, его размах больше по сравнению с размахом распределения для латентной переменной, что указывает на полный (больший) охват исследуемого итогового значения.
Сравнение распределений, полученных на первом и втором этапе, выявляет во втором случае снижение вариации значений показателей и стабилизацию их отклонений.
Анализ показателя разности математических ожиданий латентной переменной и индикаторов — 0,008 логит (менее 0,5), что характеризует набор индикаторов как соответствующий характеристике латентной переменной.
Расчетное значение критерия Пирсона составляет 0,6544 (более 0,05) при числе степеней свободы, равном 56, что выше, чем на первом этапе, т. е. предложенный набор индикаторов более соответствует модели Раша.
Полученное значение сепарабельности, характеризующее уровень дифференцирующую силу набора выбранных индикаторов, выше среднего и составляет 0,6630, при этом результаты теста программного средства характеризуют мощность системы индикаторов как хороший («good»), что
лучше, чем в предыдущем случае, но не превосходный («excellent»), т. е. резервы совершенствования набора индикаторов полностью не исчерпаны.
Полученные результаты статистического анализа индикаторов были проверены на адекватность по критерию Пирсона и проанализированы с позиций сложности их достижения.
Анализ данных выявил соответствие всех индикаторов новой системы модели Раша (все значения имеют значение критерия Пирсона более 0,05). Для детального изучения индикаторов системы был проведен анализ их характеристических кривых, в результате которого выдвинута гипотеза об улучшении набора индикаторов следующим образом: исключение индикаторов I0004, I0009, I0013, I0022, I0024, I0025, I0029 из итогового набора показателей системы.
Ниже приведены обоснования исключения перечисленных индикаторов.
I0004 — индекс постоянного актива. Вариация значений индекса постоянного актива в выделенных группах технопарковых структур незначительная при достаточно высоком значении критерия Пирсона. В связи с существованием определенной зависимости между коэффициентом обеспеченности собственными оборотными средствами и индексом постоянного актива выдвигается гипотеза об исключении последнего из системы индикаторов, определяющих уровень латентной переменной. По данным статистического анализа, существует возможность определения рекомендуемого значения индекса постоянного актива для технопарковых структур.
Была построена гистограмма распределения индекса постоянного актива, которая позволяет выявить рекомендуемые значения показателя. Наиболее вероятным значением является величина медианы, равная 0,8, при этом рекомендуемые значения находятся в промежутке (0,19; 1,04), минимумом и максимумом которого являются квартили.
I0009 — коэффициент соотношения оборотных и внеоборотных активов. Анализ характеристической кривой показал, что расчетные показатели недостаточно хорошо определяют основную тенденцию латентной переменной. Так, значение коэффициента в первой группе ниже, чем во второй, и располагается несколько удаленно от характеристической кривой.
Критерий Пирсона показателя выше минимальной границы, т. е. теоретически присутствие данного индикатора в системе возможно.
При этом, принимая во внимание экономический смысл коэффициента, отмечается его неоднозначность для целей интерпретации уровня финансового состояния и финансовых результатов технопарковых структур. Так, в большинстве случаев анализ проводился по материалам развивающихся компаний, которые на первых этапах собственной деятельности использовали арендованные внеоборотные активы, которые не могут приниматься во внимание при расчете показателя.
10013 — доля финансовых вложений в общей величине имущества. Анализ показывает недостаточно полное соответствие полученных в группах значений данным характеристической кривой. Так, показатель третьей группы удален от характеристической кривой и превышает значения второй группы. При этом констатируется соответствие модели Раша.
Предлагается исключение индикатора из итогового набора показателей системы в связи с низкой сепарабельностью, а также возможностью учета влияния финансовых вложений на финансовое состояние организации с использованием коэффициента абсолютной ликвидности.
10022 — рентабельность собственного капитала (по прибыли до налогообложения). Анализ данных свидетельствует о наличии корреляции между теоретическими и расчетными значениями индикатора при весьма высоком соответствии модели Раша (критерий Пирсона — 0,856). Исследуемая вариация значений по группам недостаточно точно соответствует предполагаемой (значения в первой и второй группах примерно одинаковы и являются максимальными). Отмечается низкая трудность достижения, что также объясняется наличием в выборке высокой доли убыточных компаний.
Предполагается, что при наличии в итоговой системе индикаторов показателя «рентабельность собственного капитала (по прибыли от продаж)», целесообразность исключения анализируемого индикатора.
10024 — рентабельность реализованной продукции (по прибыли от продаж). Анализ характеристической кривой высветил несоответствие расчетных и теоретических показателей и весьма низкое значение критерия Пирсона (0,081) по сравнению с индикатором «рентабельность реализованной продукции (по прибыли до налогообложения)». При этом отмечается низкое значение показателя трудности Ьоеи = -0,320, что легко объясняется тенденциями убыточной деятельности отдельных элементов выборки.
10025 — рентабельность затрат (по прибыли от продаж). Анализ характеристической кривой исследуемого индикатора выявил недостаточное соответствие расчетных и теоретических значений, а также весьма низкую их вариацию. Недостаточно высокое значение критерия Пирсона позволяет выдвинуть гипотезу об исключении из итогового набора системы индикаторов рентабельности затрат (по прибыли от продаж) при условии присутствия в итоговом наборе индикаторов показателя «рентабельность затрат (по прибыли до налогообложения)».
10029 — темп роста прибыли от продаж. Анализ характеристической кривой исследуемого индикатора выявил недостаточное соответствие расчетных и теоретических значений, а также весьма низкую вариацию. Недостаточно высокое значение критерия Пирсона позволяет выдвинуть гипотезу об исключении из итогового набора системы индикаторов рентабельности затрат (по прибыли от продаж) при условии присутствия в итоговом
наборе индикаторов показателя «рентабельность затрат (по прибыли до налогообложения)».
3 этап. Полученное в процессе обработки данных третьего этапа исследований распределение значений латентной переменной в большей степени соответствует нормальному распределению при допустимой вариации и незначительными отклонениями от нормы. Анализ показателя разности математических ожиданий латентной переменной и индикаторов — 0,014 логит (менее 0,5), что характеризует набор индикаторов как соответствующий характеристике латентной переменной.
Расчетное значение критерия Пирсона составляет 0,4453 (более 0,05) при числе степеней свободы, равном 42, т. е. предложенный набор индикаторов соответствует модели Раша. Полученное значение уровня сепарабельности, характеризующее дифференцирующую силу набора выбранных индикаторов, выше среднего и составляет 0,7798, при этом результаты теста программного средства характеризуют мощность системы индикаторов как хороший («good»), что лучше, чем в предыдущем случае, но не превосходный («excellent»), т. е. резервы совершенствования набора индикаторов полностью не исчерпаны
Результаты статистического анализа индикаторов показали адекватность критерию Пирсона всех индикаторов системы и позволит ранжировать инидикаторы с позиций сложности их достижения.
Анализ характеристических кривых индикаторов показал, что большинство расчетных значений соответствует теоретическим, при этом существуют явные отклонения от нормального распределения групп значений индикатора у рентабельности реализованной продукции (по прибыли до налогообложения), рентабельности активов (по прибыли до налогообложения), ресурсоотдачи. Исключение показателей рентабельности из системы нецелесообразно, так как коррелирующие показатели по прибыли от продаж уже были исключены. Оптимальным является исключить из итоговой системы индикаторов показателя I0015 (ресурсоотдача).
4 этап. Из системы исключен показатель I0015. Расчетное значение критерия Пирсона составляет 0,2227 (более 0,05) при числе степеней свободы, равном 40, т. е. предложенный набор индикаторов соответствует модели Раша. Расчетное значение уровня сепарабельности выше среднего и составляет 0,7911 (выше, чем на третьем этапе), результаты теста программного средства характеризуют мощность системы индикаторов как хороший («good»).
В связи со значительным снижением критерия Пирсона делается предположение о неверном исключении показателя «ресурсоотдача» из итоговой системы, при этом итоговой системой индикаторов предлагается признать полученный на третьем этапе набор индикаторов (рис. 3).
Группы оценочных индикаторов
Показатели динамики Темп роста объемов реализации (10028) Темп роста чистой прибыли (10030)
Коэффициент имущества производственного назначения (10010) Доля дебиторской задолженности в общей величине имущества (10012) Доля кредиторской задолженности в общей величине источников имущества (10011) Доля нематериальных активов в общей величине имущества (10008)
Показатели структуры активов и пассивов
Показатели финансовой устойчивости Коэффициент автономии (10001) Коэффициент финансового риска (10002) Коэффициент обеспеченности собственными оборотными средствами (10003)
Показатели ликвидности и платежеспособности Коэффициент абсолютной ликвидности (10007) Коэффициент критической ликвидности (10006) Коэффициент текущей ликвидности (10005)
Коэффициент устойчивости экономического роста (10014) Ресурсоотдача(10015) Коэффициент оборачиваемости оборотных средств (10016) Коэффициент оборачиваемости дебиторской задолженности (10017) Коэффициент оборачиваемости кредиторской задолженности (10018)
Показатели деловой активности
Рентабельность активов (по прибыли до налогообложения) (10019) Рентабельность реализованной продукции (по прибыли до налогообложения) (10020) Рентабельность затрат (по прибыли до налогообложения) (10021) Рентабельность собственного капитала (по прибыли от продаж) (10026)
Показатели рентабельности
Рис. 3. Итоговый набор индикаторов для проведения анализа
технопарковых структур
Полученная система индикаторов содержит 21 показатель вместо 30 индикаторов, представленных в первоначальной системе. Из системы были исключены дублирующие показатели рентабельности, а также отдельные
показатели структуры активов и пассивов и динамики, недостаточно точно характеризующие технопарковые структуры.
Таким образом, в результате проведенной обработки данных получена система показателей, которые могут использоваться в практике реально функционирующих технопарковых структур при оценке их финансового состояния и финансовых результатов, обеспечивающей эффективное финансовое управление.
Библиографический список
1. Исследование и прогнозирование уровня развития сельского хозяйства в Курской области / С.Г. Емельянов, [и др.]. Курск, 2009. 266 с.
2. Мальцева А. А. Анализ конкурентной среды технопарка: методологические основы // Маркетинг в России и за рубежом. Издательство «Фин-пресс», 2012. № 1. С. 56-65.
A.A. Maltseva, V.I. Drozdov
The formation of indicators system for financial analysis of technology parks structures using dialog system of latent variables measuring
The results of comprehensive investigation to determine optimal set of indicators for financial analysis of technology parks structures based Rash model using dialog system of latent variables measuringRUMM2020 are considered.
УДК [338.33:621]:658.8
В.И. Белоцерковский, д-р экон. наук, проф., зав. кафедрой, (4872) 35-34-46, (Россия, Тула, ТулГУ);
А.А. Клочкова, ассистент, (4872) 35-34-46, aak111@mail.ru, (Россия, Тула, ТулГУ)
ДИВЕРСИФИКАЦИЯ ПРОИЗВОДСТВА ПРЕДПРИЯТИЙ ВПК РОССИИ И ПЕРСПЕКТИВНЫЕ РЫНКИ СБЫТА ИХ ПРОДУКЦИИ
Рассмотрены вопросы реализации стратегии диверсификации производства предприятий ВПК России с учетом ориентации на потенциальные рынки сбыта их продукции.
Ключевые слова: диверсификация, военно-промышленный комплекс, производство, стратегия, рынок сбыта.
Либерализация экономики России и включение в систему международных отношений привели к тому, что ее качественные параметры перестали соответствовать изменившимся условиям, в первую очередь преобладающим в мировом хозяйстве технологическим изменениям, связанным
