Методика управления венчурным фондом с государственным участием Текст научной статьи по специальности «Экономика и бизнес»

Финансовый менеджмент

МЕТОДИКА УПРАВЛЕНИЯ ВЕНЧУРНЫМ ФОНДОМ С ГОСУДАРСТВЕННЫМ УЧАСТИЕМ

А. А. БОРОЧКИН, ассистент кафедры банков и банковского дела Email: [email protected] Нижегородский государственный университет

им. Н. И. Лобачевского

Венчурные фонды с государственным участием являются эффективным средством стимулирования инновационного развития экономики. В статье предлагается методика управления венчурным фондом, которая позволяет прогнозировать стоимость активов венчурного фонда и оценивать эффект финансового рычага, предоставляемого государством, на доходность и риск частных инвесторов. Методика апробирована на примере российских инновационных компаний. Расчеты показали, что государству следует увеличивать вложения в венчурный фонд на этапе финансирования начинающих компаний и сокращать вложения в венчурный фонд при переходе к финансированию быстрорастущих компаний в целях предотвращения перегрева экономики и уменьшения рисков финансового кризиса.

Ключевые слова: венчурный капитал, венчурный фонд с государственным участием, линеаризующее преобразование Бокса-Кокса, имитационное моделирование Монте-Карло.

Годы благоприятной нефтяной конъюнктуры позволили российскому государству накопить значительные резервы, часть которых была направлена на стимулирование инновационного развития экономики, путем вложений в венчурный капитал и уйти от сырьевой ориентации российского экспорта. Среди мер государственной поддержки венчурных инвестиций следует отметить такие, как создание Государственной корпорации нано-технологий [6] и Российской венчурной компании [5]. Они предназначены для вложения денег в приоритетные направления развития науки и техники, определяемые экспертным сообществом и утверждаемые на сегодняшний день Председателем Правительства РФ. Перечисленные организации

являются примерами венчурных фондов с государственным участием.

Венчурные фонды с государственным участием предоставляют частным инвесторам финансовый рычаг, который обеспечивается тем, что правительство вкладывает в венчурный фонд денежные средства из различных государственных накоплений, а в качестве вознаграждения довольствуется минимальным процентом на вложенный капитал. Основная прибыль от инвестиций при этом идет частным инвесторам, что увеличивает отдачу от их инвестиций.

Ведущие российские ученые А. А. Акаев и В. А. Садовничий отмечают, что в настоящее время мировая экономика находится на понижательной стадии кондратьевского цикла в фазе депрессии, которая продлится с 2010 по 2018 г. По их мнению, в это время «у России есть хороший шанс совершить инновационно-технологический прорыв на повышательной волне грядущего шестого цикла Кондратьева (2018—2042 гг.)» [8, с. 63, 64]. Запоздание с освоением технологических инноваций шестого уклада приведет к тому, что ждать новых благоприятных возможностей для инвестиций придется как минимум 40 лет (продолжительность большого цикла Кондратьева), на этот же срок произойдет отставание страны от мировых лидеров.

Авторы А. А. Акаев и В. А. Садовничий рекомендуют стратегию развития экономики, направленную на запуск инноваций. Экономическая и финансовая политика правительства должны базироваться на неокейнсианской теории поддержки платежеспособного спроса, а инвестиции должны быть направлены в базисные технологии и венчурный капитал [8, с. 60].

74

ФИНАНСЫ И КРЕДИТ

Направления венчурных инвестиций, которые следовало бы поддержать за счет государственных ресурсов, были изучены совместно учеными Б. Н. Кузыком, директором Института экономических стратегий, а также В. И. Кушлиным и Ю. В. Яковцом из Российской академии государственной службы при Президенте РФ. Указанные авторы пришли к выводу, что прошедшая серия кризисов в начале XXI в., а именно информационный кризис 2001 —2002гг. и мировой финансовый кризис 2007 — 2009 гг., свидетельствует об окончании пятого и становлении нового, шестого, технологического уклада [4, с. 232—236].

Для пятого технологического уклада выделены такие характерные направления, как: микроэлектроника, биотехнология микроорганизмов, информатика, композиты, нефтегазовое топливо, космические технологии. Ведущими отраслями экономики здесь являются: информационная техника и связь, телекоммуникации, нефтегазовая промышленность, мобильная связь [4, с. 232—236]. Несмотря на то, что пятый технологический уклад уходит в прошлое, венчурные инвестиции по указанным направлениям все еще сохраняют актуальность и приносят значительные доходы их участникам.

Согласно прогнозам тех же авторов, для шестого технологического уклада будут характерны следующие базовые направления: нанотехнологии, биотехнология растений, животных на базе достижений генной инженерии, глобальные информационные сети, водородная и иная экологически безопасная энергетика, принципиально новые виды транспорта, экологически чистые технологии, высокотехнологичные агропроизводственные системы [4, с. 232—236]. Венчурные инвестиции по перечисленным направлениям не только наиболее перспективны с точки зрения извлечения прибыли, но и принесут максимальную пользу для общества по критериям: качество жизни, экологическая безопасность, геополитическая стабильность и т. д. Страны, овладевшие названными технологиями, войдут в число мировых лидеров экономического развития.

Идеи цитированных российских ученых, в целом, нашли государственную поддержку в России [5; 6], и в этой связи исследования в сфере управления венчурными фондами с государственным участием оказываются особенно актуальными.

Проблема управления венчурным фондом с государственным участием

Целью венчурного бизнеса, как и любого другого, является создание потребителя. В слу-

чае с венчурными инвестициями потребителями являются инвесторы, которые заинтересованы в покупке акций новых быстрорастущих компаний. Венчурный капиталист инвестирует свои ресурсы в капитал начинающих предприятий и помогает им достигнуть экономической самостоятельности. Обычно этот процесс занимает 3—5 лет. После этого быстроразвивающаяся компания уже не нуждается в чьей-либо опеке и может быть продана другим инвесторам, нацеленным на прибыльное размещение своих сбережений.

Венчурный капиталист выводит наиболее успешные предприятия из своего портфеля на биржу, что делает их акции доступными любому инвестору. Предприятия, достигшие успеха в бизнесе, но при этом не способные из-за сильной конкуренции сохранять самостоятельность в долгосрочном плане, обычно бывают проданы другим компаниям, заинтересованным в росте путем слияний и поглощений.

Итак, результаты работы управляющей компании венчурными фондами можно считать положительными, а деятельность ее менеджеров эффективной, если на рынок выводятся новые быстрорастущие компании, которые охотно выкупаются прямыми и портфельными инвесторами. Прибыль управляющей компании и доход на инвестиции собственников ресурсов являются необходимым условием продолжения бизнеса в дальнейшем, однако это не должно быть целью бизнеса как таковой. Спекулятивный подход к бизнесу, «покупка дешевле и продажа дороже», уже давно не одобряется рынком и потребителем. Целью управления венчурным фондом является, следовательно, постановка процесса систематического создания успешных предприятий, преимущественно из инновационных секторов экономики, в ответ на запросы биржевых и стратегических инвесторов. Если данная цель достигнута, то вознаграждение, прежде всего в денежной форме, за проделанную работу гарантировано всем участникам процесса.

Сложность цели венчурного бизнеса и значимость услуг, поставляемых венчурным фондом финансируемому предприятию, вынуждают использовать научные, и прежде всего математические, методы и модели при принятии управленческих решений венчурными капиталистами. В частности, наиболее значимыми решениями, принимаемыми в венчурном бизнесе, являются:

— решения об оценке финансируемых предприятий на различных этапах их жизненного цикла;

— прогнозирование стоимости активов венчурного фонда;

— прогнозирование рыночной конъюнктуры и макроэкономических переменных, влияющих на оценку компаний и их бизнес;

— прогнозирование потребностей в финансовых ресурсах венчурного фонда на весь период его деятельности (около 10 лет);

— оценка эффекта финансового рычага на доходность и риск инвестиций в венчурный фонд;

— оценка эффективности государственного стимулирования в случае осуществления инвестиций с государственным участием.

Таким образом, необходима разработка комплексной методики управления венчурным фондом с государственным участием, основанной не на интуиции и опыте отдельных менеджеров, а на научном подходе, предполагающем использование точных методов и моделей, предварительно апробированных на некоторых предприятиях. Среди научных методов, обеспечивающих обоснованное принятие перечисленных решений [8, с. 9—35; 4, с. 42—92, 223—256], выделяют:

1) экстраполяционные методы прогнозирования;

2) методы экспертных оценок, в частности методологию Форсайта;

3) методы написания сценариев;

4) методы математического моделирования,

5) интегральное макропрогнозирование (основано на выявлении долгосрочных циклов развития экономики).

Рассмотрим далее несколько авторских разработок, развивающих перечисленные методы. Во-первых, методику прогнозирования стоимости активов венчурного фонда, относящуюся к методам 1 и 3. Во-вторых, методику оценки эффекта финансового рычага, предоставляемого государством, на доходность и риск частных инвесторов, которая относится к методу 4.

Методика прогнозирования стоимости активов венчурного фонда

Было рассмотрено восемь российских инновационных компаний, входящих в АФК «Система», за время их работы с 1998 по 2008 г. (см. табл. Ошибка! источник ссылки не найден.). На базе указанных компаний сконструирован венчурный фонд с государственным участием «БИН» (Биотехнологии, Информационные и Нанотехноло-гии), который впоследствии использовался для

апробации разработанной методики управления венчурным фондом с государственным участием. Используемые в статье данные включают в себя бухгалтерские отчеты перечисленных компаний за 10 лет их работы. Финансовая информация о деятельности компаний размещена на их официальных сайтах в Интернете. За те годы, в течение которых компании находились в частном владении, их финансовая отчетность была предоставлена ЗАО «Система комплексного раскрытия информации и новостей (СКРИН)» [9].

Оценка портфеля венчурного фонда «БИН» представляет собой суммарную оценку стоимости компаний, принадлежащих фонду в год оценки. Оценка отдельных компаний осуществлялась следующим образом. Во-первых, были получены оценки компаний методом дисконтирования денежных потоков и методом сравнительного анализа (использованы мультипликаторы прибыли, выручки, балансовой стоимости). Во-вторых, получена

структура портфеля венчурного фонда «Бин»

название компании Область деятельности

Нанотехнологии

ОАО «НИИМЭ» и завод «Микрон» Производство интегральных микросхем на микро и нано-уровнях

ОАО «ОКБ-Планета» Производство полупроводниковых элементов, приборов, включая фоточувствительные и оптоэлектронные

ОАО «Радиотехнический институт им. академика А. Л. Минца» Производство оружия и боеприпасов

ОАО «Квант» Производство электро- и радиоэлементов, электровакуумных приборов

Информационные технологии

ОАО «Комстар — Объединенные ТелеСистемы» Деятельность в области электросвязи

ОАО «Межрегиональный ТранзитТелеком» (ОАО «МТТ») Деятельность в области электросвязи

ЗАО «МТУ-Интел» с 2006 г. «КОМСТАР-Директ» Деятельность в области телефонной связи

Биотехнологии

ЗАО «Медико-технологическая лаборатория» Научные исследования и разработки в области естественных и технических наук

ЗАО «Медси» Производство изделий медицинской техники, включая хирургическое оборудование, и ортопедические приспособления

средневзвешенная оценка, на базе оценок перечисленными методами (использованы одинаковые веса). В-третьих, там, где это необходимо, были учтены несистематические риски, характерные для каждой отдельно взятой компании, в форме дисконтов или премий к средневзвешенной оценке. В частности, применялись: дисконт за малый размер, дисконт за отсутствие ликвидности, премия за контроль, премия (дисконт) за возможный спад (перегрев) фондового рынка.

Более подробно вопросы оценки компаний изучаются в трудах [2; 3; 11]. Для стран с сырьевой зависимостью экономики была предложена авторская методика оценки компаний [1], в этой же работе содержатся примеры оценки компаний, вошедших в портфель венчурного фонда «БИН». Динамика стоимости активов венчурного фонда «БИН» в 1998—2007 г. г., полученная по авторской методике оценки [1], изображена на рис. 1 (график «Факт»).

В целях прогнозирования стоимости активов венчурного фонда «БИН» была построена трехфак-торная регрессионная модель на основе подхода Бокса-Кокса. Обусловливающими переменными в модели являются: индекс Насдак 100, цена на нефть, индекс промышленного производства. Результирующей переменной выступает стоимость активов венчурного фонда «БИН».

Подход Бокса-Кокса позволяет выявить нелинейные связи между явлениями, используя удобные для вычислений формулы классической модели линейной регрессии [7, с. 180—187]. Для этого все наблюденные значения обусловливающих переменных необходимо преобразовать по формулам [7, с. 182]:

у* - 1

(1)

где Ус — стоимость активов венчурного фонда в момент времени 1,

А — параметр линеаризующего преобразования,

у — преобразованное значение уг, х ^,] = 1,2,.,,, р — значение /'-и обусловливающей переменной в момент времени t (всего Р переменных),

— преобразованное значение х^, п — количество наблюдений. Тогда модель линейной регрессии будет записана в виде [7, с. 183]:

у(А) = е0 + е^ (А) + ... + и + = 1,2.....п.(2)

где Ор] = 0,1, ...,р — коэффициенты модели

линейной регрессии, £ — случайная компонента. Коэффициенты линейной регрессии в модели (2) определяются методом наименьших квадратов по формуле [7, с. 184]:

0(А) = (хчу^ч, (3)

где X — матрица размера п X (р + 1), составленная из п преобразованных по формуле (1) наблюденных значений р обусловливающих переменных,

у — матрица размера п X 1, составленная из преобразованных по формуле (1) наблюдаемых значений результирующей переменной. Дисперсия регрессионных остатков определяется по формуле [7, с. 184]:

а1 (1) = -{У- ^(Х))т(у - Х0(А)). (4)

Для подсчета основных показателей случайного разброса вектора несмещенных оценок 0 неизвестных параметров 0 около соответствующих истинных значений анализируемых параметров определяется ковариационная матрица размерности (р + 1) X (р + 1) по формуле [7, с. 66]:

= (5)

где X — это матрица обусловливающих переменных, а оценка о2 получена по формуле (4). Сумма среднеквадратических ошибок оценок коэффициентов модели линейной регрессии задается функцией:

5 тгп (Л)

,

(6)

¡=1

где С[1 — 1-й диагональный элемент матрицы , вычисленной по формуле (5). Оптимальный параметр к* вычисляется методом подбора. В учебниках по эконометрике описаны различные критерии подбора оптимального значения Л* [7, с. 182—187]. Практика показала, что для рассматриваемой регрессионной модели наиболее адекватные результаты дает критерий минимизации 5,^,, (А) (применение других критериев приводит к выходу моделируемых переменных за рамки допустимых значений). Итак, для подбора А* следует определить априорный диапазон возможных значений X

(обычно достаточно рассмотреть отрезок от — 1 до 2), на этом диапазоне выбирается решето зна-

;('тд*~гт"1-,г: = 1,2,..., N и

чений Лг = 1т[п

N

для каждого такого значения последовательно вычисляются 9(А(), а 2 (АД, 5 (А). То значение , при котором

и будет определять искомое линеаризующее преобразование (1). Оценки ©(V), а7-(V),(Л*) являются оценками метода максимального правдоподобия, а процедуру их поиска называют «решетчатой».

В результате расчетов по описанной методике была получена следующая трехфакторная регрессионная модель стоимости активов венчурного фонда «БИН»:

! нтода то,оз 1.п1о,о2\и ,„ч

у = (-2,87-+ 2,36х^ + 2,02х^ ) ,(8)

где у — стоимость активов венчурного фонда, х^,} = 1,2,3 — среднегодовые значения индекса Насдак100, цены на нефть и индекса промышленного производства в России соответственно.

Коэффициенты регрессии в формуле (8) были определены по данным с 1998 по 2005 г., имеющиеся данные за 2006 и 2007 гг. использовались для проверки адекватности модели. Результаты моделирования динамики стоимости активов венчурного фонда «БИН» по формуле (8) изображены на рис. 1. Как можно заметить, модельный ряд достаточно точно соответствует фактическим данным, повторяет не только направление имеющейся тенденции, но и ее форму.

Разработанная регрессионная модель (8) может быть использована для прогнозирования стоимости активов венчурного фонда на несколько лет вперед, что требует получения прогнозных значений переменныхх^- Макроэкономические переменные подвержены влиянию множества событий, возникающих случайным образом, поэтому можно предположить, что траектории изменения переменных х ^ ' в модели (8) представляют собой процесс многомерного броуновского движения. В связи с этим вычисление прогнозных траекторий изменения следует осуществлять методами имитационного моделирования Монте-Карло.

Многомерное броуновское движение задается коэффициентами сдвига {¿и}, коэффициентами рассеяния а и-' и ковариационной матрицей X обуславливающих переменных, которые определяют траекторию изменения каждой /-Й переменной во времени. Для расчета ¡м^ и ст1--''1 применяют следующие формулы:

"^^ХК1) <9)

Г = 1

где х '^' — 1-е наблюденное значение /-й переменной (всего п наблюдаемых значений и "р переменных).

Элементы Е.^ ковариационной матрицы X определяются по формуле:

со„[Х,,Х^ = Е[(Х1 = (Ю)

где X, и Х^ — векторы размерности п, содержащие наблюденные значения г'-й и у'-й макроэкономических переменных,

^ и ^ — коэффициенты сдвига /-Й и /-Й макроэкономических переменных. Чтобы построить процесс V для произвольных значений сдвига ц и коэффициента рассеивания ст2, используя стандартное многомерное броуновское движение (коэффициенты сдвига равны нулю, стандартные отклонения равны 1), следует применять формулу [10, с. 71]:

где ^ — номер сценария,

ц и а — векторы столбцы размерности р, задающие соответственно, коэффициенты сдвига ' и коэффициенты рассеяния сг'-1' /"-й переменной,

А — нижняя треугольная матрица (см. формулу (12),

— вектор стандартно распределенных случайных величин,

£ = 1,2, ...,Т — период времени, для которого производится расчет (всего / периодов), 5 = 1,2,... 5 — номер моделируемого сценария (всего S попыток).

Стандартное многомерное броуновское движение применяется потому, что стандартно распределенные случайные величины легко генерировать на компьютере. Нижняя треугольная матрица А представляет собой результат разложения ковариационной матрицы X, так чтобы

ААТ = (12)

Матрица А позволяет учесть взаимовлияние переменных:! и-' друг на друга. В самом деле, вариант развития событий? при котором значительный рост цены на нефть будет сопровождаться падением индекса РТС? следует признать маловероятным. Модель (11) позволяет таким образом вычислить наиболее вероятный вариант развития событий, рассмотрев при этом как можно больше возможностей.

Элементы А^ треугольной матрицы Л могут быть вычислены путем разложения ковариационной матрицы Е по Холецкому, алгоритм разложения следующий [10, с. 72]: если

(13)

тогда

Ач =

Аа

,

(14)

(15)

Имея вектор прогнозов изменений макроэкономических переменных в момент времени Ь, легко определить прогнозное абсолютное значение у-й переменной по формуле:

= 1) ■ (1 + ^(0), (16)

где хр"1 (£} — абсолютное значениеу-й переменной в момент времени £ согласно сценарию я,

г^ (£) — прогноз изменения у-й переменной, выполненный по формуле (11).

Стоимость активов венчурного фонда Vе0 в момент времени согласно сценарию б, определяется путем подстановки спрогнозированных значений макроэкономических переменных х^}ш> (£) в модель линейной регрессии (8).

Вычисления по формулам (11), (16) и (8) производятся для большого числа сценариев (более 1 000). В итоге определяется наиболее вероятное значение стоимости активов венчурного фонда в

момент времени I по формулам:

3=1

(17)

(18)

где и — ожидаемая стоимость активов венчурного фонда в период времени £ и ее среднеквадратическое отклонение соответственно.

По формулам (11), (16) и (8) был произведен расчет 1 000 сценариев изменения стоимости активов венчурного фонда «БИН» в 2006 и 2007 гг. В итоге наиболее вероятный диапазон стоимости активов составил от 150 до 350 млрд руб. Ожидаемая стоимость активов венчурного фонда (рассчитано

по формулам (17), (18) в 2007 г.) составила 191,5 млрд руб.

Расчет показал, что при пессимистичном варианте развития событий фактическая стоимость активов венчурного фонда «БИН» окажется в размере 61,9 млрд руб. и 63,6 млрд руб. для 2006 и 2007 гг. соответственно. Динамика стоимости активов венчурного фонда «БИН», согласно различным прогнозным сценариям, проиллюстрирована на рис. 1.

Особенностью разработанной методики является учет нелинейных связей между обусловливающими переменными и результирующей, что позволяет получить более точное приближение модельного ряда данных к фактическому. Высокую точность регрессионной модели (8) подтверждает коэффициент детерминации, который составил 95,43 %. Точность прогноза по модели (11) подтверждается тем, что фактические значения стоимости активов венчурного фонда в 2006 и 2007 гг. попали в прогнозный интервал, что показано на рис. 1. Ограничением разработанной методики является требование того, чтобы прогнозируемая тенденция сохранялась в течение всего прогнозного периода. Для прогнозирования разворота макроэкономических тенденций следует использовать методы интегрального макропрогнозирования [4, с. 42—92, 223—256], при этом подготовкой прогнозов должны заниматься правительственные организации в целях выработки долгосрочной стратегии развития страны.

Методика оценки эффекта финансового рычага, предоставляемого государством, на

доходность и риск частных инвесторов

Все время работы венчурного фонда разделяется на три периода: 0 < t < т± — инвестиции в начина-

Рис. 1. Результаты моделирования и прогнозирования динамики стоимости активов венчурного фонда

и

ющие компании, тг < г < т2 — инвестиции в быстрорастущие компании и г2 < £ < п—ликвидационный период. Денежные потоки в момент времени £ всех инвесторов венчурного фонда, государственных инвесторов и частных инвесторов обозначаются я'*'' и «^'соответственно. Эти величины могут принимать отрицательные значения, что означает инвестиции, и положительные значения, что означает возврат средств инвесторам.

Денежный поток а^ для £ < г является заданной величиной, а для 1>% определяется по формуле:

где у СО — рыночная оценка компаний, в капитал которых вложены средства венчурного фонда в момент времени Ь, причем для времени /> г2 используется прогнозное значение стоимости компаний,

б,, (0 — доля вложений венчурного фонда в капитал венчурных предприятий, определяемая следующим образом:

в„Ю = 0,£ = О,

,

(20)

71 — Т

Денежный поток государства определяется по формулам:

= „М . t< т2,

где д., (О — доля участия государства в очередном транше инвестиций в момент времени Значения этой функции задаются до создания венчурного фонда решением государственного органа, предоставляющего финансирование, например, так:

0ДО = о <t< т1.

вБ(х) = 50%, т1 <г<т2.

0ДО = 0%,т2 < I <п. (22)

Величина в3 (£) определяет размер финансового рычага, предоставляемого государством частным инвесторам.

Денежный поток частных инвесторов определяется по формуле:

= «М _в»

р я

Внутренняя ставка доходности (ВСД) инвес-

тиций определяется методами приближенных вычислений на основе денежного потока инвесторов венчурного фонда. Для вычисления риска инвестиций используется следующий подход. Если ВС Дг — ВСД государства, ВСДЧ — ВСД частных лиц, аг — риск государства, — риск частных лиц, тогда всд[Х0<с<г), стг = ВСД- - всдг. ич = всдч - всдч,(24) где ВСД — функция, определяющая внутреннюю ставку доходности потока платежей методами приближенных вычислений,

т>-о<*<г гр

— вектор денежных потоков за I лет инвесторов венчурного фонда, согласно сценарию 5 (отрицательные величины — это инвестиции, положительные величины — это возврат средств пайщикам фонда), ВСД-иВСДч — это соответствующие значения ВСД для пессимистичного сценария. Зависимость темпов изменения доходности и темпов изменения риска частных инвесторов от доли участия государства в инвестициях в3 (£} показана на рис. 2. Доля государства меняется от 3 до 45 % с шагом 3 %. Риск и доходность инвестиций определяются по формуле (24). На рис. 2 изображены два варианта расчетов. Во-первых, изменение рычага в момент создания бизнеса (0 < г < т±), т.е. 1998—2003гг. (см. рис. 2 а). Во-вторых, изменение рычага в период бурного роста компаний (т.| <Ь< г2),т. е. 2004 и 2005 г. (см. рис. 2 б). На графиках показано, что риски частных инвесторов при увеличении рычага, предоставляемого государством, увеличиваются в обоих случаях. Однако, если государство увеличивает рычаг при инвестициях в быстрорастущие компании (см. рис. 2 б), наблюдается экстремальное увеличение риска частных инвесторов (на графике это показано как увеличение темпов прироста риска).

Особенности разработанной методики оценки финансового рычага, предоставляемого государством частным инвесторам, состоят в следующем. Во-первых, изучается влияние финансового рычага, предоставленного на льготных условиях (меньшая процентная ставка). Во-вторых, рассмотрены два варианта государственной поддержки: на этапе инвестиций в начинающие компании и на этапе инвестиций в быстрорастущие компании. Последнее отличие позволило выявить факторы, способные спровоцировать финансовый кризис в отрасли из-за недооценки рисков со стороны инвесторов и политиков. Разработанная методика позволяет менеджерам венчурного фонда выбрать оптимальное соотношение риска и дохода при осуществлении инвестиций.

Рис. 2. Зависимость доходности и риска частных инвесторов венчурного фонда «БИН» от величины используемого финансового рычага

Основные выводы и рекомендации для политиков и менеджеров инвестиционных фондов по стратегии управления венчурными фондами с государственным участием

По результатам апробации разработанной методики управления венчурным фондом с государственным участием на примере венчурного фонда «БИН» целесообразно сделать следующие выводы:

во-первых, риск государства, вкладывающего средства в капитал венчурного фонда на долговых условиях, практически сводится к нулю ввиду высокой ожидаемой доходности инвестиций;

во-вторых, активное участие государства в инвестициях на этапе создания бизнеса венчурных предприятий позволяет создать широкие благоприятные инвестиционные возможности для всех участников рынка в дальнейшем;

в-третьих, наибольшую доходность приносят инвестиции в компании, находящиеся на этапе быстрого роста. Однако, если государство желает увеличить свою долю в капитале венчурных фондов, владеющих такими компаниями, то политики должны понимать, что они значительно увеличивают риски частного сектора и могут спровоцировать финансовый кризис.

Настоящие авторские разработки могут использоваться в деятельности венчурных фондов с государственным участием, осуществляющих операции на российском рынке. Как показали научные исследования [4; 8], наилучшее время создания таких фондов — 2010—2015 гг., когда несколько экономических циклов разной периодичности начнут одновременно фазу подъема.

Список литературы

1. Борочкин А. А. Оценка инновационных компаний венчурными инвесторами в странах с сырьевой зависимостью экономики // Финансы и кредит. 2010. № 6.

2. Валдайцев С. В. Оценка бизнеса: учебник. М.: ТК Велби. 2008.

3. Дамодаран А. Инвестиционная оценка. М.: Альпина бизнес букс. 2006.

4. Кузык Б. Н, Кушлин В. И., Яковец Ю. В. Прогнозирование, стратегическое планирование и национальное программирование: учебник. М.: Издательство Экономика. 2009.

5. Об ОАО «Российская венчурная компания»: постановление Правительства РФ от 24.08.2006 № 516.

6. О российской корпорации Нанотехнологии: Федеральный закон от 19.07.2007 № 139-Ф3 (в ред. от 09.04.2009 № 58-ФЗ).

7. Прикладная статистика. Основы эконометрики: учебник для вузов. В 2 т. 2-е изд., испр. Т. 2: Айвазян С. А. Основы эконометрики. М.: ЮНИТИ-ДАНА. 2001.

8. Прогноз и моделирование кризисов и мировой динамики. М.: ЛКИ. 2010.

9. Система комплексного раскрытия информации и новостей (СКРИН). URL: http://www. skrin. га (дата обращения 03.04.2009).

10. Glasserman P. Monte Carlo Methods in Financial Engineering. New York: Springer. 2008.

11. Pereiro L. E. Valuation of Companies in emerging markets: a practical approach. New York: John Wiley & Sons. 2002.

ФИНАНСЫ И КРЕДИТ

81