CC BY
39
ОЦЕНКА ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ КРАСНОЯРСКОГО КРАЯ
Е.Е. Кузьмина, студент
Новосибирский государственный университет экономики и управления (Россия, г. Новосибирск)
DOI: 10.24411/2411-0450-2018-10315
Аннотация. На сегодняшний день у компаний сложилась тенденция искажать свои финансовые результаты, причем не только в сторону завышения, но и в сторону занижения. На это их подталкивают различные причины, например, желание завысить прибыль для привлечения инвестиций, или же наоборот, занизить ее в целях уклонения от налогов. Также на основе данных финансовых результатов компаний специализированные агентства формируют различные рейтинги, в том числе и рейтинги инвестиционной привлекательности регионов. Стоит отметить, что данные рейтинги не учитывают фактор вероятности искажения финансовой отчетности, а значит, выводы, сделанные на их основе, могут быть некорректными. В данной статье описана и апробирована методика оценки инвестиционной привлекательности на примере Красноярского края, которая отличается от других методик тем, что учитывает фактор вероятности искажения бухгалтерской отчетности.
Ключевые слова: инвестиционная привлекательность, искажение финансовой отчетности, манипулирование, методики оценки.
Толчком к развитию социальной и экономической сферы Российской Федерации служит формирование открытого информационного пространства государства. Оно предполагает, что информация будет доступной для всех заинтересованных пользователей. Повышение доступности данных официального статистического учета и других достоверных сведений позволит различным стейкхолдерам проводить мониторинг и принимать верные и своевременные управленческие решения. В данных условиях качество предоставляемой информации обретает особое значение.
На сегодняшний день ситуация в стране такова, что сформировать подобное пространство почти невозможно, так как компании не хотят раскрывать информацию о себе и предоставлять ее в открытый доступ.
Также наблюдается, что компании все больше и больше манипулируют (искажают, вуалируют) данные своей финансовой отчетности. Многие делают это неосознанно или по незнанию, но наибольшую угрозу представляют те компании, которые делают это умышленно.
Фактически они намеренно обманывают своих стейкхолдеров (поставщики, кредиторы, налоговые органы и другие). Данные искаженной отчетности используются также в органах государственной статистики для определения состояния экономики страны и при составлении различных рейтингов, в том числе и рейтингов оценки инвестиционной привлекательности.
Можно сделать вывод, что все рейтинги, оценивающие инвестиционную привлекательность регионов, видов экономической деятельности и так далее являются некорректными в силу того, что они не учитывают фактор вероятности искажения отчетности.
В Новосибирском государственном университете экономики и управления была разработана методика оценки инвестиционной привлекательности, которая основана на типологической группировке информационного пространства финансового рынка [1-3]. Указанная методика имеет ряд преимуществ:
- подавляющая часть показателей рассчитывается при помощи статистических методов;
- построение рейтинга с учетом вероятности искажения финансовой отчетности;
- обоснованность применяемых подходов к оценке инвестиционной привлекательности;
- возможность оценить инвестиционную привлекательность, налоговый потенциал, потенциал развития малого бизнеса, а также риски совершения экономических преступлений;
- возможность применения методики в отраслевом разрезе;
- возможность обоснования достоверности полученных результатов.
Однако есть один нюанс: данную методику необходимо применять в открытом информационном пространстве финансового рынка, так как основными критериями методики являются достоверность и доступность информации. Кроме этого методика является новой и пока широко не используется инвесторами, что требует проверки ее применимости.
Оценим при помощи данной методики инвестиционную привлекательность Красноярского края через призму его ведущих видов деятельности.
Отбор ведущих видов экономической деятельности осуществлялся на основе ва-
Затем на основании рассчитанных для выбранных компаний коэффициентов начисления при помощи ЕМ-анализа выборка была разделена на 3 кластера: компании, занижающие свои финансовые результаты; компании, не искажающие свою
лового регионального продукта за 20152017 годы. Таким образом, для дальнейшего анализа были отобраны следующие отрасли:
- производство металлургическое и производство металлургических изделий;
- пищевая промышленность;
- торговля;
- строительство;
- транспортировка и хранение.
На первом этапе методики необходимо оценить качество анализируемой отчетности компаний по каждой рассматриваемой отрасли. Для этого необходимо выделить компании, достоверно составившие ОДДС в части суммарного сальдо от инвестиционных и текущих операций. Основу этого создает принцип соответствия коэффициентов начислений, которые были построены на основе бухгалтерского баланса и отчета о движении денежных средств. Более подробно алгоритм проверки описан в работах сотрудников НГУЭУ [4, 5, 6]. После применения данного алгоритма по оценке отчета о движении денежных средств (ОДДС) на качество мы выбрали компании, которые составили ОДДС с погрешностью 5%. Результаты проведенной проверки представлены в таблице 1.
финансовую отчетность и компании, завышающие ее значения. Затем на основе данных кластеров были сформированы 3 выборки по 30 компаний. Далее исходя из отчетности выбранных компаний, согласно методике НГУЭУ, были построены мо-
Таблица 1. Распределение компаний по качеству составления отчетов о движении денежных средств_
Вид экономической деятельности Количество компаний, имеющих погрешности в ОДДС в пределах 5% Количество компаний, имеющих погрешности в ОДДС свыше 5%
ед. % ед. %
Производство металлургическое и производство металлургических изделий 72 33,33 144 66,67
Пищевая промышленность 101 38,55 161 61,45
Торговля 1498 27,40 3970 72,60
Строительство 607 27,49 1601 72,51
Транспортировка и хранение 330 32,97 671 67,03
1З1
дели пробит регрессии для компаний, за- Полученные результаты представлены в вышающих свои финансовые результаты, таблицах 2 и 3. и для компаний, занижающих их [7, 8].
Таблица 2. Параметры модели пробит регрессии для компаний, завышающих свои фи-
нансовые результаты
Предикаторы Обозначение Оценка
Металлургическая промышленность
Независимый член 4,680852
Рентабельность совокупных активов GP\TA -7,63925
Коэффициент автономии Eq/TA 0,000030
Коэффициент фондоотдачи SAL\FA -0,421738
Коэффициент оборачиваемости активов SAL\TA -2,27419
Доля нераспределенной прибыли в собственном капитале RE\E 1,758259
Пищевая промышленность
Независимый член -0,210370
Рентабельность продаж OP\SAL 1,020056
Денежный поток к совокупному долгу CACH\TL 6,605539
Коэффициент абсолютной (денежной) ликвидности CACH\CL 3,194284
Доля совокупных обязательств в собственном капитале TL\E -0,098080
Обеспеченность долга собственным капиталом TD\E 0,219560
Коэффициент мобильности оборотных средств CASH\CA -2,28185
Торговля
Независимый член -11,6661
Рентабельность основных средств NI\FA 0,049026
Коэффициент фондоотдачи SAL\FA 0,000106
Отношение основных средств к совокупным активам FA\TA -10,7038
Отношение текущих активов к совокупным активам CA\TA -0,861193
Отношение запасов и счетов к получению к совокупным активам (INV+REC)\TA 14,73599
Строительство
Независимый член -0,539262
Доля прибыли до уплаты налогов в выручке EBT\SAL 1,851689
Денежный поток к совокупному долгу CACH\TL -9,02515
Коэффициент абсолютной (денежной) ликвидности CACH\CL -10,3672
Доля заемных средств в заемных средствах LD\E -1,16133
Соотношение выручки и обязательств SAL\TD 0,643290
Транспортировка и хранение
Независимый член 1,130650
Доля прибыли до уплаты налогов в выручке EBT\SAL -8,00096
Отношение чистой прибыли к валовой прибыли NI\GP 0,518054
Соотношение прибыли до налогообложения и ОС EBT\FA 1,372614
Коэффициент абсолютной (денежной) ликвидности CACH\CL 1,372396
Коэффициент фондоотдачи SAL\FA -0,312751
Таблица 3. Параметры модели пробит регрессии для компаний, занижающих свои
финансовые результаты
Предикаторы Обозначение Оценка
Металлургическая промышленность
Независимый член 3,193914
Коэффициент абсолютной (денежной) ликвидности CACH\CL -33,1620
Коэффициент обеспеченности долгосрочных обязательств ОС FA/LD -0,776922
Доля денежных средств в активах CASH\TA -4,19212
Коэффициент мобильности оборотных средств CASH\CA 0,221177
Доля нераспределенной прибыли в собственном капитале RE\E 54,03179
Пищевая промышленность
Независимый член -0,689616
Рентабельность совокупных активов GP\TA 2,604719
Денежный поток к совокупному долгу CACH\TL -7,89613
Коэффициент абсолютной (денежной) ликвидности CACH\CL 14,01750
Доля денежных средств в активах CASH\TA 14,30051
Коэффициент мобильности оборотных средств CASH\CA -5,56258
Торговля
Независимый член -973049
Рентабельность основных средств NI\FA 0,040677
Денежный поток к совокупному долгу CACH\TL 973031,7
Соотношение запасов и выручки INV\SAL 973049,3
Отношение основных средств к совокупным активам FA\TA 7,913023
Отношение текущих активов к совокупным активам CA\TA 0,819246
Строительство
Независимый член -2,32165
Рентабельность продаж OP\SAL 6,455468
Доля прибыли до уплаты налогов в выручке EBT\SAL 2,598224
Отношение чистой прибыли к валовой прибыли NI\GP 0,110975
Соотношение прибыли до налогообложения и ОС EBT\FA 0,001044
Соотношение выручки и обязательств SAL\TD 2,854027
Транспортировка и хранение
Независимый член -0,880960
Доля прибыли до уплаты налогов в выручке EBT\SAL 25,22284
Денежный поток к совокупному долгу CACH\TL 6,009344
Коэффициент абсолютной (денежной) ликвидности CACH\CL -0,793217
Доля денежных средств в активах CASH\TA -44,9630
Коэффициент мобильности оборотных средств CASH\CA 39,22807
Применим полученную регрессионную модель к выборкам по каждом из анализируемых отраслей всех организационно-правовых форм независимо от качества
составления ОДДС. Результаты применения модели на примере металлургической промышленности представлены на рисунке.
1ЗЗ
60,00//
51,02/
50,00/
40,00/
30,00// 28,57/
20,00/ 16,33/
10,00// 0,00// 2,04/ 0,00/
Занижающие Неопределенные Не искажающие Неопределенные Завышающие
со знаком "- -" со знаком "+"
Рисунок. Распределение компаний, которые осуществляют свою деятельность в металлургической промышленности, по вероятности искажения финансовой отчетности, %
Рисунок 1 отражает распределение российских компаний в зависимости от направления искажения, где 1 группа - компании, которые искажают свои финансовые результаты в сторону занижения, 3 группа - компании, не искажающие свою отчетность, 5 группа - завышающие результаты своей деятельности компании, а 2 и 4 группы - неопределенные компании, которые находятся между искажающими и неискажающими экономическими субъектами. Также существует и 6 группа компаний, которые невозможно отнести ни в одну из групп, указанных выше, так как они не поддаются характеристике [9].
Проанализируем полученные результаты на примере металлургической промышленности, так как данная отрасль является ведущей и одной из основных в регионе. По результатам анализа Рисунка 1 видно, что из 49 компаний, попавших в выборку, 2,04% искажают свою финансовую отчетность в сторону занижения, 28,57% завышают свои финансовые результаты и 16,33% предоставляют достоверную отчетность. Отметим, что компаний, основной деятельностью которых является металлургическая промышленность, которые близки к занижению финансовых результатов («Неопределенные со знаком «-»») больше половины всей выборки (51,02%), что говорит о том, что
компании находятся в неоднозначном положении, то есть по сравнению с прошлым годом они могли перейти либо из группы «Занижающих», либо из «Неискажаю-щих». Однозначно сказать, будут ли данные компании искажать свои финансовые результаты в прогнозном году нельзя. Стоит отметить также, что отсутствует группа «Неопределенные со знаком «-»», что является положительным результатом. 6 группа «Неопределенные» составляет 2,04% (1 компания) в общей выборке. Таким образом, из 49 компаний 15 компаний искажают свои финансовые показатели в целях получения внешнего финансирования или уклонения от налогов.
Аналогичный анализ был проведен в разрезе остальных видов экономической деятельности Красноярского края на основе выборок из 100 случайных компаний. Данный анализ был проведен в целях дальнейшего составления рейтинга инвестиционной привлекательности округов России.
Обратимся к типологической группировке компаний информационного пространства финансового рынка, представленной в таблице 4, на основе которой будет сформирована модифицированная типологическая группировка компаний информационного пространства финансового рынка.
Таблица 4. Типологическая группировка информационного пространства финансового рынка и основные виды компаний-поставщиков информации_
Выраженная информация Скрытая информация
Общедоступная информация Публичная информация «Травоядные» «Растения»
Информационный шум «Паразиты» «Плотоядные»
Конфиденциальная информация Служебная информация «Симбионты» «Мимикрия»
В таблице 5 представлена модифициро- которой и будет составлен рейтинг инве-ванная таблица информационного про- стиционной привлекательности. странства финансового рынка, на основе
Таблица 5. Типологическая группировка оценки инвестиционного климата
Доступность Достоверность
Выраженная информация Скрытая информация
Общедоступная информация Публичная информация Оценка инвестиционного потенциала Оценка рисков совершения экономических преступлений
Информационный шум Оценка налогового потенциала
Конфиденциальная информация Служебная информация Оценка потенциала развития малого предпринимательства
На основании полученных ранее случайных бесповторных выборок по выбранным видам деятельности, состоящих из 100 компаний всех организационно-правовых форм, сформируем типологические карты информационного пространст-
ва в Красноярском крае. Затем распределим полученные результаты в соответствии с таблицей 5. Пример такой группировки на примере металлургической промышленности представлен в таблице 6.
Таблица 6. Типологическая группировка оценки инвестиционного климата в рамках металлургической промышленности Красноярского края, %_
Доступность Достоверность
Выраженная информация Скрытая информация
Общедоступная информация Публичная информация Оценка инвестиционного потенциала (31) Оценка рисков совершения экономических преступлений (6)
Информационный шум Оценка налогового потенциала (24)
Конфиденциальная информация Служебная информация Оценка потенциала развития малого предпринимательства (39)
Анализ Таблицы 6 показывает, что металлургическая промышленность является инвестиционно привлекательным. Об этом говорит уровень оценки инвестиционной привлекательности, которая составляет 31%. Отметим, что благоприятному инвестиционному климату способствует достаточно высокий уровень оценки потенциала развития малого предпринимательства (39%). Негативно на инвестиционный климат рассматриваемой отрасли влияют достаточно высокий уровень оценки налогового потенциала (24%) и рисков совершения экономических преступлений (6%).
После того, как был проведен анализ по остальным видам экономической деятель-
ности, полученные результаты были сведены в единый рейтинг инвестиционной привлекательности [11-14]. Для более точной оценки инвестиционной привлекательности были использованы не только параметры типологической группировки информационного пространства, но и сведения о количестве компаний и средней выручке каждого из рассматриваемых видов экономической деятельности по состоянию на 2017 год [10]. Результаты составления рейтинга инвестиционной привлекательности Красноярского края представлены в таблице 7.
Таблица 7. Рейтинг инвестиционной привлекательности Красноярского края
Вид экономической деятельности Оценка инвестиционного потенциала (доли) Оценка потенциала развития малого предпринимательства (доли) Оценка рисков совершения экономических преступлений (доли) Оценка налогового потенциала (доли) Количество компаний в отрасли (шт.) Средняя выручка (руб.)
Производство
металлургическое и производство метал- 0,31 0,39 0,06 0,24 502 340 597 593,18
лургических
изделий
Пищевая промышленность 0,04 0,20 0,06 0,70 598 74 676 240,8
Торговля 0,19 0,48 0,08 0,25 15435 68 836 085,23
Строительство 0,09 0,51 0,04 0,36 5800 35 650 567,32
Транспортировка и хранение 0,09 0,32 0,01 0,58 2970 66 142 822,8
Анализируя таблицу 7, можно сказать, что в целом Красноярский край является инвестиционно-привлекательным. Об этом говорят относительно высокие значения оценки потенциала развития малого предпринимательства и инвестиционного потенциала в большинстве рассматриваемых видах деятельности. Также положительным фактором являются низкие значения так называемого «антирейтинга»: оценки риска совершения экономических преступлений и налогового потенциала. Но также стоит отметить, что оценки инвестиционной привлекательности некоторых видов
деятельности портят инвестиционный климат региона в целом, несмотря на тот факт, что в структуре валового регионального продукта данные виды деятельности занимают лидирующие позиции. Речь идет о пищевой промышленности и виде экономической деятельности «транспортировка и хранение». Их уровень инвестиционного потенциала находится на очень низком уровне (4% и 9% соответственно), в то время как уровень налогового потенциала превышает 50% (70% и 58%, соответственно). Такие значения говорят о том, что данные виды деятельности в регионе
не являются инвестиционно привлекатель- вестиционного потенциала, которая со-ными, хоть и генерируют высокую выруч- ставляет 31%, что является довольно вы-ку (74676240,8 руб. - пищевая промыш- соким значением.
ленность и 66142822,8 руб. - транспорти- Таким образом, оценивая на практике
ровка и хранение). применимость авторской методики оценки
Инвестиционная привлекательность инвестиционной привлекательности через Красноярского края повышается за счет информационное пространство финансо-оставшихся видов деятельности, преиму- вого рынка на примере Красноярского щественно за счет металлургической про- края, можно сделать вывод о том, что дан-мышленности, которая является ведущей ный вид деятельности в целом является по большинству из рассматриваемых кри- инвестиционно-привлекательным. Данный териев. Несмотря на тот факт, что в дан- регион имеет большой потенциал, как ре-ной отрасли наименьшее количество ком- сурсно-сырьевой, так и инвестиционный. паний (502 компании), выручку она гене- Инвесторам стоит внимательнее присмот-рирует наибольшую из представленных реться к субъекту и вложить свои средства видов деятельности (340597593,18 руб.). в его развитие. Также наибольшей является и оценка ин-
Библиографический список
1. Алексеев М.А. Информационное пространство финансового рынка: моногр. / М.А. Алексеев; Новосиб. гос. ун-т экономики и управления. - Новосибирск: НГУЭУ, 2017. -247 с.
2. Алексеев М.А., Глинский В.В., Лихутин П.Н. Статистическое исследование информационного пространства финансового рынка // Вопросы статистики. 2017. № 5. С. 28-38.
3. Алексеев М.А., Лихутин П.Н. Методологические аспекты исследования информационного пространства финансового рынка // Вестник Самарского государственного экономического университета. 2017. № 5 (151). С. 65-74.
4. Савельева М.Ю., Алексеев М.А., Дудин С.А. О качестве составления отчета о движении денежных средств в российских компаниях // Сибирская финансовая школа. 2016. № 3 (116). С. 142-146.
5. Савельева М.Ю., Алексеев М. А., Дудин С.А. Проверка качества составления отчета о движении денежных средств в российских компаниях // Экономический анализ: теория и практика. 2017. Т. 16. № 3. С. 756-767.
6. СавельеваМ.Ю., АлексеевМ.А., Дудин С.А. Возвращаясь к оценке качества составления отчета о движении денежных средств российскими компаниями // Сибирская финансовая школа. 2018. № 2 (127). С. 77-82
7. Алексеев М.А., Дудин С.А. Методика построения показателя выявления искажения результатов деятельности компании // Бухгалтерский учет, анализ и аудит: форсайт и бэкграунд: сб. науч. ст. по мат-лам Межрегионального бухгалтерского форума, посвященного 50-летию НГУЭУ и бухгалтерского обра- зования в Сибири / под ред. П. П. Баранова ; Новосиб. гос. ун-т экономики и управления. - Новосибирск: НГУЭУ, 2017. - С. 5-19.
8. Алексеев, М. А., Тюжина, М. С. Выявление направления искажения финансовой отчетности // Сибирская финансовая школа. - 2016. - №6. - С. 129-133.
9. Федеральная служба государственной статистики отчетности [Электронный документ] URL: http://www.gks.ru/.
10. Алексеев М.А., Дудин С.А. Методические вопросы идентификации искажения финансовой отчетности // Могущество Сибири будет прирастать!?: сборник докладов международного научного форума «Образование и предпринимательство в Сибири: направления взаимодействия и развитие регионов» : в 4 т.. 2018. С. 128-132.
11. Кузьмина Е.Е. Оценка качества финансовой отчетности на примере компаний, основным видом деятельности которых является пищевая промышленность // Инновационное развитие современной науки: проблемы, закономерности, перспективы : сб. науч. ста-
тей Межд. науч.-практ. конф. (г. Пенза, 10 декабря 2017г.). Пенза: Наука и просвещение, 2017.
12. Капуста А.С., Кузьмина Е.Е. Оценка вероятности искажения финансовых результатов компаний, осуществляющих деятельность в сельском хозяйстве в 2014-2016 годах // Экономика и бизнес: теория и практика. - 2018. - №10. - С. 113-121.
13. Кузьмина Е.Е. Оценка инвестиционной привлекательности вида деятельности «пищевая промышленность» в разрезе федеральных округов России // Экономика и бизнес: теория и практика. - 2018. - №10. - С. 137-143.
14. Кузьмина Е.Е., Капуста А.С. Оценка вероятности искажения финансовых результатов компаний пищевой промышленности в 2014-2016 годах // Экономика и бизнес: теория и практика. - 2018. - №11-1. - С. 147-152.
EVALUATION OF INVESTMENT ATTRACTIVENESS OF THE KRASNOYARSK
TERRITORY
E.E. Kuzmina, student
Novosibirsk state university of economics and management (Novosibirsk, Russia)
Abstract. To date, companies have a tendency to distort their financial results, not only in the direction of overstatement, but also in the direction of understatement. They are driven by various reasons, such as the desire to inflate profits to attract investment, or, conversely, to understate it in order to evade taxes. Also, on the basis of these financial results of the companies, specialized agencies form various ratings, including ratings of investment attractiveness of the regions. It should be noted that these ratings do not take into account the probability of mis-statement of the financial statements, which means that the conclusions drawn from them may be incorrect. This article describes and tested the method of evaluation of investment attractiveness on the example of the Krasnoyarsk region, which differs from other methods in that it takes into account the probability of distortion offinancial statements.
Keywords: investment attractiveness, distortion of financial statements, manipulation, assessment techniques.
