Моделирование механизма функционирования российского рынка слияний и поглощений в 2004-2010 гг Текст научной статьи по специальности «Экономика и бизнес»

ЭКОНОМИКА, УПРАВЛЕНИЕ И РЫНОК ПРОДУКЦИИ

УДК 332.135:005.52

Поликарпова М.Г.

МОДЕЛИРОВАНИЕ МЕХАНИЗМА ФУНКЦИОНИРОВАНИЯ РОССИЙСКОГО РЫНКА СЛИЯНИЙ И ПОГЛОЩЕНИЙ В 2004-2010 гг.*

В условиях экономического роста и формирования конкурентныхрынков в России важным фактором повышения конкурентоспобности становятся интеграционные процессы в бизнесе, направленные на увеличение его масштаба и доли на рынке. Исследование процессов M&A и интеграционной активности в странахс развитой институциональной средой в значительной степени основывается на эконометрических подждах В качестве важнейших направлений можно выделить:

- тестирование гипотезы о волнообразном поведении M&A;

- моделирование процесса принятия решения о возможности проведения M&A антимонопольными органами и правительственными комиссиями;

- исследование влияния M&A на доходность акций интегрируемых компаний;

- исследование влияния динамики макроэкономическихпоказателей на интеграционную активность и др.[2]

Как представляется, данные направления исследований актуальны и для российской экономики. Хотя многие модели данного направления пока не удается реализовать в современных российских условиях ввиду ограниченности накопленных данных о рынке слияний и поглощений в России .

На основе проведенного сравнительного анализа эконометрических подходов для исследования интеграционной деятельности в РФ был выбран подход, описывающий интенсивность интеграционных процессов и влияние на них динамики различных макроэкономических показателей, отражающих состояние современной российской экономики.

При этом измерение тесноты связей между переменными, построение отдельных уравнений регрессии недостаточно для описания механизма функционирования рынка слияний и поглощений. Отдельно взятое уравнение множественной регрессии не может достаточно полно охарактеризовать истинное влияние отдельных признаков на вариацию системы результирующих показателей рынка M&A. В этом случае данные процессы можно описать с помощью систем взаимосвязанных (одновременных) уравнений.

Представляется, что для комплексного анализа рынка интеграционных процессов необходимо использовать 3 эндогенные переменные, которые связаны между собой причинно-следственной связью и помесячные данные

о которых собраны с января 2004 г. по февраль 2010 г.:

Y1 - стоимость конфликтных активов;

Y2 - количество интеграционных сделок;

Y3 - стоимостной объем рынка интеграционных сделок.

На интеграционные процессы влияют как внешние, так и внутренние факторы, которые обусловливают специфику и эффективность использования компаниями в своем развитии стратегии М&А. Основные внутренние предпосылки для осуществления слияний и поглощений выражаются:

- в достижении определенных финансовых показателей, которые необходимы для дальнейшего развития компании и перехода ее на качественно новый уровень;

- в корректировке финансового положения компании, когда интеграция с другими участниками рынка позволит решить ряд неразрешимых проблем (например, банкротство) [3].

К внешнему фактору, влияющему на сделки слияний и поглощений, можно отнести протекающие макроэкономические процессы. Зависимость развития рынка интеграционныхпроцессов от фондового рынка и его капитализации заключается в том, что одна из основных схем М&А предусматривает приобретение акций компании-цели на бирже. В связи с этим, большинство исследователей сходятся в том, что корреляция между показателями объема рынка интеграционных сделок и развитием фондового рынка ярко выражена.

Согласно мнению экспертов комитета по корпоративным финансам и финансовому менеджменту аудитор -ско-консалтинговой фирмы ФБК, инвестиции являются одним из показателей движения рынка M&A. В насто-

* Работа выполнена в рамкахгрантаПрезидента РФдля государственной поддержки молодых российских ученых - кандидатов наук (МК-449.2010.6).

Например, достаточно сложно использовать модели временныхрядов, апробированные Р. Мелихером для рынка интеграционных процессов (Melicher R.W., Ledolter J., D’Antonio L.J. A time series analysis ofaggregate merger activity// The review of economics and statistics, Vol. 65, № 3, 1983, 423-430).

ящее время Россия отстает от большинства постсоветских стран по уровню развития инвестиционной инфраструктуры, что находит отражение в том, что доля иностранных покупателей в общей стоимости сделок слияния и поглощения в последнее время сокращается.

Согласно исследованиям консалтинговой компании CMS и аналитического агентства Mergermarket, проведенным на основе опроса топ-менеджеров 25 крупных компаний и 100 участников российского рынка M&A в 2010 г., непосредственное влияние на рынок М&А в РФ оказывают институциональные преобразования в эко-номике, и в частности государственная программа приватизации.

Приватизационная программа в России предполагает продажу активов на сумму 50 млрд долл. в течение 20112016 гг. Правительство намерено продать миноритарные пакеты акций ведущихгосударственныхпредприятий, чтобы снизить дефицит бюджета, повысить инвестиционную привлекательность активов и привлечь серьезныхчастных инвесторов в приватизируемые компании. Среди них - крупнейшие компании по добыче нефти «Роснефть» (будет продано 24,16% акций), «Транснефть» (27,10%), банк ВТБ (24,50%), Сбербанк (9,30%), «РЖД» (25,00% - 1 акция). Доля в «Российскихжелезных дорогах» будет предложена покупателям после реструктуризации компании. Позднее на продажу будут выставлены доли в «ФСК ЕЭС» (28,11%), АИЖК (49,00%), Россельхозбанке (49,00%), «Совкомфлоте» (25,00%). При этом в каждой из перечисленных компаний государство намерено сохранить контрольный пакет акций (не менее 50,00%+1 акция) [7].

Характеризуя российский рынок корпоративного контроля, особое внимание следует уделить преступлениям и правонарушениям в сфере экономики. Умелое злоупотребление процессуальными правами в ходе корпоративных конфликтов влечет за собой затруднение, а зачастую и полную парализацию деятельности жзяйствующихсубъектов российского рынка, что причиняет им значительные материальные убытки. По мнению экспертов отдела по осо -бо опасным преступлениям в сфере экономической деятельности Следственного комитета при МВД России, рейдерство существуетисключительно благодаря тому, что стоимость захвата активов в большинстве случаев оказывается значительно ниже цены их законного приобретения [8].

Таким образом, факторы, оказывающие непосредственное влияние на интенсивность процессов слияния и поглощения, могут быть разбиты на 6 функциональных блоков:

1) макроэкономические индикаторы (11 переменных);

2) финансы организаций (12 переменных);

3) российский фондовый рынок (12 переменных);

4) инвестиции (8 переменных);

5) институциональные преобразования в экономике (7 переменных);

6) преступления и правонарушения в сфере экономики (4 переменных).

При этом необходимо отметить, что в реальности причинно-следственная направленность связи интеграционной деятельности и выбранных регрессоров неоднозначна: сделки M&A могут влиять как на объемы промышленного производства, так и на финансовые результаты компаний и секторов экономики.

Следует также обратить внимание на то, что взятые эндогенные переменные связаны между собой причинноследственной связью. Основной характеристикой рынка M&A является стоимостной объем рынка интеграционных сделок, который напрямую зависитот количества сделок. При этом в связи со спецификой российского рынка корпоративного контроля, на стоимостной объем рынка и количество интеграционных сделок непосредственное влияние оказывает стоимость конфликтных активов.

Все сказанное выше свидетельствует о том, что модель интеграционной деятельности в России представляет со бой рекурсивную систему одновременныхрегрессионныхуравнений. При этом объясняющие переменные в системе эконометрическихуравнений должны обладать следующими свойствами:

- иметь высокую вариативность;

- быть сильно коррелированными с объясняемой переменной;

- быть слабо коррелированными между собой;

- быть сильно коррелированными с представляемыми ими другими переменными, не используемыми в качестве объясняющих

На основе метода исключения квазинеизменных переменных при критическом значении коэффициента вариации и =0,1 были признаны квазинеизменными и исключены из множества потенциальных объясняющих переменных, как не несущие значимой информации, следующие 8 признаков:

Х2 - индекс потребительских цен, %;

Х3 - индекс цен производителей производственных товаров, %;

Х4 - индекс промышленного производства, %;

Х5 - индекс цен производителей промышленных товаров, %;

Х30 - официальный курс рубля к доллару США, руб. за 1 долл. США;

Х34 - количество торгуемых акций на российском фондовом рынке, ед;

Х35 - количество торгуемых эмитентов на российском фондовом рынке, ед.;

Х51 - число преступлений, совершенных в сфере экономики, ед.

Поскольку в реальной действительности планирование и проведение типичной интеграционной сделки занимают не один месяц, в некоторых случаях логично предположить влияние не самих переменных, а ихлагов.

I этап. Построение модели показателя Y1 — стоимость конфликтных активов. Построив частную автокорреляционную функцию, была найдена первая лаговая переменная для Y1: Y1t-1, таккак r(Y1t,Y1t-1)=max r(Y1t,Y1t-x)=0,82. С помощью функции «кросс-корреляция» были найдены лаговые переменные на основе экзогенныхпеременных Например, лаг для X1 - объем ВВП составляет 8 месяцев.

Исследование матрицы пар ныхкоэффициентовкорреляциипозволилвыявить высокую мультиколлинеарность участвующих в анализе экзогенных переменных Применение подхода по максимизации прогностической силы регрессионных моделей, с помощью которыхможно восстановить значения всего набора показателей (по max R2), позволило выявить, что редуцированный набор показателей может содержать 15 объясняющихпеременных

Повторный анализ матрицы парныхкоэффициентов корреляции 15 оставшихся признаков вновь показал наличие мультиколлинеарности. С целью сохранения количества объясняющих переменных для дальнейшейэкономи-ческой интерпретации был использован переход к ортогональной системе координат. При этом в современных статистических исследованиях используют несколько методов определения числа главных компонент:

- можно потребовать выполнения ограничения: оставляемые для проведения дальнейшего анализа главные компоненты должны объяснять не менее 70% общей суммарной дисперсии процесса;

- критерий Кайзера рекомендует отобрать для анализа лишь те главные компоненты, собственные значения которых не менее единицы;

- критерий Кетгеля опирается на исследование графика собственных значений - рисунка «каменистых осыпей».

Комплексное применение указанных методов позволило выявить, что для дальнейшего исследования целесообразно использовать пять первых главных компонент. В табл. 1 представлены значения коэффициентов факторов. Уравнение регрессии для Y1 - стоимость конфликтных активов, построенное на основе главных компонент F1-F5, имеет вид:

Y1t = 0,53F1 - 0,60 F2 + 0,24F3 + 0,33F4 + 0,20F5;

(9,13) (-10,30) (4,18) (5,59) (3,44)

s = 0,41; F = 49,98; R2 = 0,8304.

Все коэффициенты регрессии в уравнении значимы на уровне а=0,05. Параметры уравнения свидетельствуют о его статистической адекватности: Fua6ji > FKp = 2,25 при а=0,05, найденного по таблице F-распределения; множественный коэффициент детерминации R2 = 0,8304 показывает, что 83,04°% вариации показателя Y1 объясняется факторами, включенными в модель. Стандартная ошибка, являющаяся мерой рассеяния фактических значенийотносительно полученной регрессии, составила 0,41.

С учетом табл. 1 уравнение регрессии примет вид:

Таблица 1

Значения коэффициентов обобщенных факторов для Yi

Показатели Обобщенные факторы

Fi F2 F3 F4 F5

Ун-1 0,0984 -0,2497 0,1459 0,2545 0,1716

Х1 - объем ВВП, млрд руб. 0,1434 -0,1321 -0,1909 -0,2030 0,0013

Х13 - финансовый результат прибыльных организаций, млрд руб. 0,1307 0,1633 0,0204 0,0994 -0,0980

Х15 - прибыль (убыток) организаций за отчетный период, млрд руб. 0,1198 0,0632 -0,0854 0,2110 -0,2885

Х24 - волатильность фондового рынка -1 (индекс РТС) 0,1034 0,0077 -0,1458 -0,4760 -0,1074

Х26 - общая капитализация фондового рынка РФ, млрд руб. 0,1325 -0,1621 0,2312 0,1282 -0,1281

Х29 - индекс ММВБ Финансы 0,0552 -0,1750 0,4349 0,0357 -0,1522

Хзб - объем инвестиций в основной капитал, млрд руб. 0,1296 -0,0919 -0,2787 -0,0205 -0,1410

Х37 - объем инвестиций от иностранных инвесторов, млрд руб. 0,0780 -0,2572 -0,2382 0,0205 -0,0460

Х44 - число приватизированных имущественных комплексов, ед. -0,1352 -0,2061 -0,0981 -0,0897 -0,2214

Х45 - число ОАО, созданных изунитарных организаций, ед. -0,1283 -0,2229 -0,0840 -0,0950 -0,2371

Х47 - цена сделки приватизации, млрд руб. -0,1045 -0,2642 0,0376 -0,0072 0,0419

Х49 - размер уставного капитала ОАО, созданных из унитарных организаций, млрд руб. -0,0403 0,0797 0,2803 -0,4052 -0,4379

Х50 - число выпущенных акций, тыс.шгук -0,1477 0,0223 -0,1772 0,2802 -0,0666

Х54 - число уголовных дел по рейдерству, ед. 0,0086 -0,0753 0,0837 -0,3418 0,5993

Собственное значение 5,41 2,40 1,67 1,28 1,17

Доля объясненной дисперсии (%) 36,03 16,01 11,14 8,52 7,77

Накопленнаядоля объясненной дисперсии (%) 36,03 52,04 63,18 71,70 79,47

= 0,35^1 + 0,04Х1,^ - 0,01ХП,,_9 + 0,02Х^,, _8 - 0,16Х24>(_5 + 0,24Х26 г_2 + 0,22Х29,г+ 0,02Х36,г_8н +0,14Xз7,г_7 - 0,05Х44,,_5 - 0,03Х45,,_5 + 0,12X47,,+8 - 0,22Х49,,_12 -0,06Х50,,_б + 0,08Хм,(.

Из уравнения регрессии следует, что наибольшее влияние на У| ока зывает значение стоимости конфликтных активов в предшествующий месяц. Вопрос о возможности применения построенной модели в целях анализа и прогнозирования явления может быть решен только после проверки адекватности, т.е. соответствия модели исследуемому процессу. При оценке адекватности уравнения регрессии существенным является выполнение условия о нормальности «остатков» и их взаимной независимости. Из графика остатков на нормальной вероятностной шкале (рис. 1) видно, что остатки достаточно хорошо ложатся на прямую, что свидетельствует об их нормальности.

Для исследования на наличие автокорреляции в остатках был использован асимптотический критерий серий Бреуша-Годфри, который основан на идеи, что если имеется корреляция между соседними наблюдениями, то естественно ожидать, что в уравнении коэффициент р окажется значимо отличающимся от нуля.

Рис. 1. Нормальный вероятностный график остатков для У1 - стоимость конфликтных активов

Ре<-

(1)

где е1 - остатки регрессионного уравнения.

Со глас но им ею щим ся данным:

е 1 = -0,007 + 0,025е,_1,

т.е. коэффициент р=0,025 не значимо отличается от 0, следовательно, автокорреляция в остатках отсутствует. Таким образом, все рассмотренные характеристики модели говорят об ее адекватности исследуемому процессу.

II этап. Построение модели показателя У2 — количество интеграционных сделок. Построив частную автокорреляционную функцию, была определена первая лаговая переменная для У2: У2ц. С помощью функции «кросс-корреляция» были найдены лаговые переменные на основе экзогенных переменных Например, лаг для Х7 - дефицит/профицит консолидированного федерального бюджета составляет 7 месяцев, а лаг расчетного

значения показателя Уи равен 1 месяцу.

Анализ матрицы парных коэффициентов корреляции показал высокую мультиколлинеарность независимых переменных Подход по максимизации прогностической силы регрессионных моделей позволил выявить, что редуцированный набор показателей может содержать 6 переменных

Дискретный характер зависимой переменной дает основание предполагать, что линейные модели, связывающие количество интеграционных сделок с уровнями сопровождающих их факторов, будут не совсем адекватны реальным данным из-за того, что расчетные значения Г2, могут принимать любые, не обязательно целые значения. В таких ситуациях более приемлемыми являются модели счетных данных, в частности модель регрессии Пуассона:

Г = е

= ЛеЕ'

(2)

где Я, = еРх , т.е. предполагается, что число событий У1 распределено по закону Пуассона* с параметром Я, [4].

Применение МНК в качестве инструмента анализа для параметров модели регрессии Пуассона приведет к получению смещенных, неэффективных и несостоятельных оценок, так как не выполняются одни из базовых предпосылок МНК:

- результат является случайной величиной, не ограниченной сверху или снизу;

- распределение случайной величины У1 подчиняется нормальному закону распределения с математич-

* Дискретная случайная величина X имеет закон распределения Пуассона, если она принимает значения 0,1,2,. ,,ш,... с вероятностями

^те ^

Р(Х = т) =---------. При этом ^р = 1.

I=1

ским ожиданием, равным выровненному значению результата: М(7) = /(Х1,Х2,...,Хр) = У,, где

/(Х1,Х2,...,Хр)- модель регрессии, линейная по параметрам [5].

Поэтому для построения пуассоновской многопараметрической регрессии был выбран метод максимального правдоподобия (расчеты проводились в пакете «Ма1ттаеп>). В результате была получена следующая модель счетных данных

V, 0,01938У, , + 0,0657 47.+0,00003Х,„ 0,03909Х,<! ,+ 0,00143Х,а ,+0,00753Х,„ ,-0,00064Х„ , ,+0,00834Х,. ,

у __ р ’ 2/-1 ’ 1}-1 ’ 10,Г ’ 16,} ’ 18,Г ’ 20/ ’ 31/-5 ’ 54/

2} _ С

Все коэффициенты регрессии в уравнении значимы на уровне а=0,05, так как ? (0,05;56) = 2,00 . Для проверки гипотезы о значимости пуассоновской регрессии использовался критерий отношения правдоподобия:

ЬЯ = 2(1пЬ - 1пЬ0), (3)

где 1п Ь - найденное значение логарифма функции правдоподобия; 1п Ь0 - логарифм правдоподобия тривиальной модели.

Статистика ЬЯ имеет /2 - распределение. Если ЬЯ > %2к (а; и = 1) , то уравнение в целом значимо. Поскольку х1аея = 62,37 > х1 (0,05; и = 1) = 3,84 , то построенное уравнение регрессии Пуассона в целом значимо. По аналогии с коэффициентом детерминации был построен коэффициент псевдо-Я2:

1

П 2 _ 1 _

рзеийо

1 + 2(1п Ь - 1пЬ0) / п

(4)

Согласно имеющимся данным псевдокоэффициент детерминации Я^е1^0 = 0,4897, который показывает, что

48,97% вариации показателя У2 объясняется факторами, включенными в модель. Стандартная ошибка, являющаяся мерой рассеяния фактических значений относительно полученной регрессии, составила 0,24. Информационный критерий Акайка, который учитывает требование повышения точности модели и уменьшения числа параметров модели, составил А1С=7,85.

Асимптотический критерий серий Бреуша-Годфри показал отсутствие автокорреляции в остатках Для проверки принадлежности остатков построенной модели счетных данных пуассоновскому закону распределения было использовано следующее свойство: дисперсия случайной величины, распределенной по закону Пуассона, равна ее математическому ожиданию:

М[у / х( ]= Б [у / Х'] = Л. (5)

Тогда, если значения М(е,) и Б(е,) близки, то это может служить доводом в пользу гипотезы о пуассо-новском распределении остатков; резкое различие этих характеристик, напротив, свидетельствует против гипотезы [1]. Так как М(е,) и 2, а ст(е, ) »1,42 , то гипотеза о пуассоновском распределении остатков принимается,

что свидетельствует об адекватности модели.

Рассчитаем средние маржинальные эффекты для каждого из факторов, показывающие изменение функции

Р(7 = У,) = -

У,!

(характеризующей вероятность того, что у, = 0,1,2,...) при изменении фактора X на единицу:

Таблица 2

Средние маржинальные эффекты для модели регрессии Пуассона 7»

йМ [72, / Хи ]

дХ..

= ка,.

(6)

дМ [72,, / 72,,_і; 0,56202 дМ [7„ / Хі8,,; 0,04151

572,, -і 5Х18,,

дМ [72,, / 7,,_і " 1,90646 дМ [7,, / Х2о,,; 0,21837

д7 иі і, ,-і С*Х20,,

дМ [72,, / Хіо,,; 0,00087 дМ[Тг,, / Х31,,; -0,01856

ах,о, дХзі,

дМ [72,, / Хіб,,; -1,13361 9М [7„ / Х54,, ] 0,24195

5Х,6, 5Х 54,

Результаты представлены в табл. 2.

Таким образом, расчет средних маржинальных эффектов показал, что наибольшее влияние на У2 оказывает стоимость конфликтных активов и количество интеграционных сделок, относящихся к предыдущему моменту времени. Наименьшее влияние на У2 оказывает денежная масса М2. Однако наличие достаточной денежной массы в экономике может служить индикатором, отражающим наличие денежных средств, которые предприятия различных отраслей могут направлять на покупку активов. Это говорит о присутствии в интеграционных сделках инвестиционного мотива.

Также прямое влияние на У2 оказывает число уго-

ловных дел, связанных с преступлениями, совершенными в ходе незаконных захватов имущественных комплексов юридических лиц, имущественных и неимущественных прав предприятий (рейдерство) .

Характер зависимости числа интеграционных сделок от цены нефти марки URALS - обратный (см. табл. 2), что может свидетельствовать о том, что привлекательность интеграционных проектов в периоды падения цен на углеводороды увеличивается: предприятия используют стратегию внешнего развития в периоды ухудшения рыночной конъюнктуры.

Расчет средних маржинальных эффектов также показал однонаправленное изменение количества сделок M&A и просроченной кредиторской задолженности, а также просроченной задолженности по полученным кредитам и займам крупных и средних предприятий. Это может быть объяснено тем, что руководство компаний, попавших в кризисную ситуацию, имеет, по большому счету, два выхода: банкротство или продажа бизнеса, и в большинстве случаев предпочитают второй способ.

При этом в настоящее время в российской практике достаточно редко, но начинает использоваться «Standstill agreements» - соглашения между кредиторами и должником о введении временного моратория на принудительное взыскание долга, которое предшествует разработке и началу практической реализации программы реструктуризации задолженности. Практика их заключения широко распространена в странах с развитой экономикой. Наиболее востребованными «пакты о ненападении» становятся во времена финансовых кризисов, когда компании - должники один за другим начинают допускать кросс-дефолты по заемным средствам.

При этом интересен тот факт, что характер зависимости числа сделок слияния и поглощения от доли убыточных предприятий - обратный (см. табл. 2). Это может быть связано с тем, что весьма популярный способ захвата и поглощения через процедуру банкротства применялся в период с января 2004 г. по февраль 2010 г. несколько реже. Одна из главных причин этого в том, что потенциальное предприятие-банкрот надолго перестает работать в нормальном режиме, и интерес к нему падает. Кроме того, общая сумма расждов на такое приобретение (сумма долга плюс затраты на покупку активов) может превысить реальную рыночную стоимость данного предприятия.

Ш этап. Построение модели показателя Y3 — стоимостной объем рынка интеграционных сделок. В ходе предварительного анализа был выявлен значительный разброс в значениях переменной Y3 (коэффициент вариации v= 89,50%), что свидетельствует о неоднородности значений признака. Анализ данных позволил выявить, что, начиная с момента времени t =50 (февраль 2008 г.), происждит структурное изменение характера динамики изучаемого показателя. Это приводит к изменению тренда, описывающего эту динамику. Данный момент времени характеризуется началом изменений в мировой общеэкономической ситуации и факторами глобального характера, связанными с финансово-экономическим кризисом.

Для подтверждения выдвинутой гипотезы был использован тест Чоу, позволяющий проверить гипотезу о целесообразности разбиения исждной выборки объектов на части. Так как FHa6n=14,32>FKp(0,05;3;70)=2,74, значит уравнения регрессии Y3=Y3(t) значимо различаются для 2-х выборок: январь 2004 г. - январь 2008 г. и февраль 2008 г. - февраль 2010 г. Поэтому исходную совокупность целесообразно разбить на две части с точки зрения улучшения качества модели относительно момента времени t =50.

Как и в случае Y1 и Y2, анализ матрицы парных коэффициентов корреляции показал наличие мультиколлинеарности между независимыми переменными. Использование метода по максимизации прогностической силы регрессионных моделей позволил выявить, что редуцированный набор показателей для Y3 содержит 10 объясняющих переменных Для использования всей совокупности наблюдений в модель стоимостного объема рынка интеграционных процессов была включена фиктивная переменная Zt, которая принимает значения 1 для всех t < t и значения 0 для t > t , т.е.:

* По данным Управления контроля и методического обеспечения расследования особо опасных преступлений Следственного комитета при МВД России в 2009г. расследовано 61,4% дел от общего числа дел, находившихся в производстве; окончено - 31,1% от числа расследованных; направлено в суд - 59,2% от числа оконченных; прекращено - 40,8% от числа оконченных; приостановлено - 68,9% от числа расследованных; остаток на 01.01.2010г. - 33,7% от числа находившихся в производстве.

Положение о cross-default (перекрестное неисполнение) присутствует практически во всехкредитныхсоглашениях, заключенных по английскому праву и получает все болееширокое распространение в практике иностранных банков, работающих на российском рынке. Предусматривает возможность кредитора предъявить требование о досрочном возврате всей суммы кредита в том случае, если должником допущен случай неисполнения денежного обязательства по другому аналогичному соглашению.

где = 50 .

Итоговое уравнение регрессии, построенное методом пошагового включения переменных, имеет вид:

(-2,91) (5,72) ’ (2,59) (2,80) (-3,14) ’ (2,63) (2,31)

(-3,14)

(2,63)

(2,31)

+ 0,00002X37 _4 -0,007X54,t + 1,85 Zt;

(2,60) ’ (2,59) ’ (-2,21)

s = 0,45; F = 14,76; R2 = 0,8699.

Все коэффициенты регрессии в уравнении значи- - о™да«™ нор»™«

мы на уровне а=0,05. Параметры уравнения свидетельствуют о его статистической адекватности:

F , > F = 1,98 при а=0,05, найденного по таблице

наол. кр. 7 г 7 7

F-распределения; множественный коэффициент детерминации R2 = 0,8699 показывает, что 86,99% вариации показателя Y3 объясняется факторами, включенными в модель. Стандартная ошибка, являющаяся мерой рассеяния фактических значений относительно полученной регрессии, составила 0,45.

Построенное уравнение свидетельствует о том, что на Y3 - стоимостной объем рынка интеграционных процессов оказывают влияние следующие показатели: стоимость конфликтных активов, количество интеграционных сделок, удельный вес убыточных организаций, просроченная кредиторская задолженность предприятий, волатильность фондового рынка (рассчитанная на основе индекса РТС), цена нефти марки URALS, объем инвестиций от иностранных инвесторов, число уголовных дел, связанных с рейдерством. При этом наибольшее прямое влияние оказывает фиктивная переменная Zt, характеризующая структурную нестабильность результирующего показателя Y3t.

Асимптотический критерий серий Бреуша - Родфри показал отсутствие автокорреляции в остатках, так как et = 0,002 + 0,032et1, т.е. коэффициент р=0,032 не значимо отличается от 0. Из гистограммы остатков (рис. 2) видно, что остатки подчиняются нормальному закону распределения.

Таким образом, модель российского рынка интеграционных процессов можно представить в виде системы уравнений:

Рис. 2. Гистограмма остатков для Уз - стоимостного объема рынка интеграционных процессов, млрд долл.

= 0,3511,,_1 + 0,04Xi,(_8 -0,01 9

-0,02X + 0,16X24,i_5

-0,22 X,

0,02 X,

+0,14X 37i_ 7 - 0,05 X44,i-5 _ 0,03X45,t-5 + 0,12X 47,^ - 0,22X49,t-12 - О^6^,^ + 0,08X 5^; 0,01 93872,г_! +0,06574+0,00003XWi -0,03909X^ +0,00143X18/ +0,00753X20,t-0,00064Хэи_5 +0,00834X54,. ф

Y^2t = e

Y3, =-7,54 + 1,49i1,( + 0,087,, -0,07X16,t

■ 0,007X181 2 -0,011X241 9 + 0,014X311_7 + 0,00002X37 t_4

-0,007X.

1,85Z.

где Z. = •

< t; |0, t > t *,

t = 50.

Полученная система взаимозависимых эконометрических уравнений выражает через структурную форму взаимосвязей между явлениями их новое содержание, характеризующееся взаимным влиянием друг на друга зависимых и независимых переменных, а также позволяет глубже изучить причины связи, лежащие в основе вариации результирующих переменных Результаты проведенных расчетов за период с января 2004 г. по февраль 2010 г. позволяют сформулировать ряд выводов:

- Большинство интеграционных сделок в России в период с января 2004 г. по февраль 2010 г. происходило в горизонтальной плоскости, следовательно, компании приобретали дополнительные мощности в связи с исчерпанием потенциала роста за счет внутренних источников.

- Анализ агрегированной активности процессов корпоративной интеграции показывает обратную зависимость между волатильностью фондового рынка и стоимостным объемом рынка М&А. Таким образом, увеличение неопределенности на рынке капитала снижает стимулы предприятий к реализации инвестиционных проектов, в том числе и проектов М&А. В то же время увеличение неопределенности на фондовом рынке увеличивает стоимость конфликтных активов.

- В каждое из уравнений полученной системы вждит число уголовных дел, связанных с недружественными и противоправными поглощениями. Эти процессы имеют под собой объективные основы. Для современной российской экономики характерны тенденции к увеличению размера денежной массы, являющейся накоплениями как частных лиц, так и организаций. Свободная денежная масса давит на рынок, отыскивая себе эффективное применение. В том числе посредством приобретения новых бизнесов, а, как известно, в России бизнес стоит столько, сколько стоит его отнять плюс надбавки на реальные уголовные риски .

Источник: Журнал «Слияния и поглощения». 2010. № 7-8.

- Анализ системы структурных уравнений свидетельствует об однонаправленном изменении объема ино-странных инвестиций и стоимостного объема рынка M&A. При этом инвестиционный рейтинг РФ продолжает падать: за 2010 г. Россия опустилась в рейтинге Всемирного банка Doing Business на 7 позиций до 123 места по соседству с Уругваем и Угандой [6]. Одновременно доля иностранных покупателей в общей стоимости сделок M&A на российском рынке сильно сократилась: в 2009 г. она снизилась с 40 до 21% по сравнению с 2008 г.

Список литературы

1. Вентцель Е.С. Теория вероятностей: учебник. М.: Наука, 1969. 576 с.

2. Мусатова М.М. Интенсивность интеграционных процессов российски компаний в 2001-2004 гг.: эконометрическая оценка // Прикладная эконометрика. 2009. № 3. С. 23-42.

3. Поликарпова М.Г. Интеграционные процессы в современной экономике Российской Федерации // Вестник экономической интеграции. 2009. № 9-10. С. 24-30.

4. Тихомиров Н.П., Дорохина Е.Ю. Эконометрика: учебник. М.: Экзамен, 2003. 512 с.

5. Эконометрика: учебник / под ред. И.И.Елисеевой. М.: Проспект, 2009. 288 с.

6. www.consulting.rbc.ru.

7. www.ma-journal.ru.

8. www.vedomosti.ru.

Bibliography

1. Ventsel E.S. Probability theory: textbook. M.: Nauka, 1969. 576p.

2. Musatova M.M. Intensve of integration processes of Russian companies in 2001-2004: econometric assessment // Applied econometrics. 2009. № 3. P. 23-42

3. Polikarpova M.G. Integration processes in the modern economy of Russian Federation // Herald of economic integration. 2009. № 9-10. P. 24-30.

4. Tihomirov N.P., Dorohina E.U. Econometrics: textbook. M.: Examination, 2003. 512p.

5. Econometrics: textbook / edited by I.I. Eliseeva. M.: Prospect, 2009. 288p.

6. www.consulting.rbc.ru.

7. www.ma-journal.ru.

8. www.vedomosti.ru.