CC BY
22
ОЦЕНКА ИНВЕСТИЦИОННОЙ ПРИВЛЕКАТЕЛЬНОСТИ ВИДА ДЕЯТЕЛЬНОСТИ «ПИЩЕВАЯ ПРОМЫШЛЕННОСТЬ» В РАЗРЕЗЕ ФЕДЕРАЛЬНЫХ ОКРУГОВ РОССИИ
Е.Е. Кузьмина, студент
Новосибирский государственный университет экономики и управления (Россия, г. Новосибирск)
DOI 10.24411/2411 -0450-2018-10074
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 специализированные агентства формируют различные рейтинги, в том числе и рейтинги инвестиционной привлекательности. Данные рейтинги не учитывают фактор вероятности искажения финансовой отчетности, а значит, являются некорректными. В данной статье описана и апробирована методика оценки инвестиционной привлекательности на примере компаний пищевой промышленности, которая отличается от других методик тем, что учитывает фактор вероятности искажения бухгалтерской отчетности.
Ключевые слова: инвестиционная привлекательность, искажение финансовой отчетности, манипулирование результатами хозяйственной деятельности, методики выявления искажений финансовой отчетности, методика оценки инвестиционной привлекательности.
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 неосоз-
нанно 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, 2, 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 вида экономической деятельности «пищевая промышленность» в разрезе федеральных округов Российской Федерации.
На первом этапе методики необходимо оценить качество анализируемой отчетно-
сти компаний, которые осуществляют свою деятельность в пищевой промышленности. 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%. Из 8612 компаний в выборку по итогам данной проверки вошли 3252 компании.
Затем на основании рассчитанных для выбранных компаний коэффициентов начисления при помощи EM-анализа выборка была разделена на 3 кластера: компании, занижающие свои финансовые результаты; компании, не искажающие свою 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 модели пробит регрессии для компаний, завышающих свои финансовые результаты, и для компаний, занижающих их [7, 8]. Полученные результаты представлены в таблицах 1 и 2.
Предикаторы Обозначение Оценка
Независимый член -1,05670
Доля прибыли до уплаты налогов в выручке EBT\SAL 5,093943
Рентабельность продаж NI/SAL -9,08588
Рентабельность основных средств NI/FA 4,613732
Рентабельность собственного капитала ROE 0,121632
Коэффициент быстрой ликвидности (CA-INV)\CL -0,265156
Доля дебиторской задолженности в выручке REC\SAL 5,620178
Доля денежных средств в активах CASH\TA -29,3057
Коэффициент мобильности оборотных средств CASH\CA 16,60927
Таблица 1. Параметры модели пробит регрессии для компаний, завышающих свои финансовые результаты
Таблица 2. Параметры модели пробит регрессии для компаний, занижающих свои фи-
нансовые результаты
Предикаторы Обозначение Оценка
Независимый член -0,811208
Доля прибыли до уплаты налогов в выручке EBT\SAL 2,882031
Доля прибыли до налогообложения в текущих обязательствах EBT/CL -0,480996
Доля запасов в текущих обязательствах INV/CL 0,672206
Денежный поток к совокупному долгу CASH/TL 7,814276
Коэффициент абсолютной (денежной) ликвидности CASH\CL -3,29274
Доля денежных средств в активах CASH\TA 5,555898
Коэффициент мобильности оборотных средств CASH\CA 11,44249
Применим полученную регрессионную модель к выборке из 7843 компаний, занимающихся производством пищевых продуктов и напитков всех организационно-
правовых форм независимо от качества составления ОДДС. Результаты применения модели представлены на Рисунке 1.
40,0% 30,0% 20,0% 10,0% 0,0% 30,7% 3,2% 17,9% 10,2% 36,5%
1 2 3 4 5
Рис. 1. Распределение компаний, которые осуществляют свою деятельность в пищевой 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].
По результатам анализа Рисунка 1 видно, что из 7843 компаний, попавших в выборку, 30,7% искажают свою финансовую отчетность в сторону занижения, 36,5% завышают свои финансовые результаты и 17,9% предоставляют достоверную отчет-
ность. Отметим, что компаний, основной деятельностью которых является производство напитков и пищевых продуктов, которые близки к завышению финансовых результатов (4 группа) на 7% больше, чем компаний, близких к занижению отчетности (2 группа). 6 группа самая малочисленная и составляет 1,5% (125 компаний) в общей выборке. Таким образом, из 7843 компаний 5265 компаний искажают свои финансовые показатели в целях получения внешнего финансирования или уклонения от налогов.
Аналогичный анализ был проведен в разрезе округов Российской Федерации 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 3, на основе которой бу-
дет сформирована модифицированная типологическая группировка компаний информационного пространства финансового рынка.
Таблица 3. 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 4 представлена модифициро- которой и будет составлен рейтинг инве-ванная таблица информационного про- стиционной привлекательности. странства финансового рынка, на основе
Таблица 4. Типологическая группировка оценки инвестиционного климата
Доступность Достове рность
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 в разрезе округов РФ, состоящих из 100 компаний всех организационно-правовых форм, сформируем типологическую карту информационного пространства в таком виде
экономической деятельности, пищевая промышленность. Затем распределим полученные результаты в соответствии с таблицей 4. Пример такой группировки в разрезе Сибирского федерального округа представлен в Таблице 5.
Таблица 5. Типологическая группировка оценки инвестиционного климата в разрезе
Сибирского федерального округа РФ, %
Доступность Достоверность
Выраженная информация Скрытая информация
Общедоступная информация Публичная информация Оценка инвестиционного потенциала (7) Оценка рисков совершения экономических преступлений (14)
Информационный шум Оценка налогового потенциала (54)
Конфиденциальная информация Служебная информация Оценка потенциала развития малого предпринимательства (25)
Анализ Таблицы 5 показывает, что Сибирский федеральный округ не является инвестиционно привлекательным. Об этом говорит уровень оценки инвестиционной привлекательности, которая составляет 7%. Отметим, что благоприятному инвестиционному климату способствует достаточно высокий уровень оценки потенциала развития малого предпринимательства (25%). Негативно на инвестиционный климат Сибирского федерального округа влияют достаточно высокий уровень оценки налогового потенциала (54%) и рисков совершения экономических преступлений (14%).
После того, как был проведен анализ по остальным федеральным округам России,
полученные результаты были сведены в единый рейтинг инвестиционной привлекательности. Для более точной оценки инвестиционной привлекательности были использованы не только параметры типологической группировки информационного пространства в разрезе округов РФ, но и статистические показатели, такие как численность населения и уровень номинальной заработной платы [10]. Результаты составления рейтинга инвестиционной привлекательности на примере такого вида экономической деятельности как «Пищевая промышленность» в разрезе федеральных округов РФ представлены в таблице 6.
Таблица 6. Рейтинг инвестиционной привлекательности федеральных округов РФ
Округ Оценка инвестиционного потенциала (доли) Оценка потенциала развития малого пред-принимательст-ва (доли) Оценка рисков совершения экономических преступлений (доли) Оценка налогового потенциала (доли) Численность населения (тыс. чел.) Уровень средней заработной платы (руб.)
Приволжский G,1 G,28 G,G3 G,59 29655,1 2729G
Северо-Западный G,1 G,13 G,G2 G,75 13876,5 41G24
Южный G,G8 G,24 G,G5 G,63 16398,2 27115
Центральный G,G7 G,24 G,G3 G,66 39157,G 46G32
Сибирский G,G7 G,25 G,14 G,54 19325,1 31336
Северо-Кавказский G,G7 G,15 G,G9 G,69 9746,9 22962
Уральский G,G6 G,3 G,G4 G,6 12326,9 41734
Дальневосточный G,G6 G,27 G,11 G,56 6188,8 46G71
Анализируя таблицу 6, можно отметить, что уровень инвестиционной привлекательности у всех округов не превышает 10%, что является очень низким значением. Попробуем на основе полученных результатов выделить наиболее и наименее инвестиционно привлекательные округа. По критерию «Оценка инвестиционной привлекательности» лидируют СевероЗападный (10%) и Приволжский (10%) федеральные округа. Но более привлекательным является Приволжский федеральный округ. Плюс этому округу по сравнению с Северо-Западным округом дает оценка потенциала развития малого предпринимательства (28%), оценка налогового потенциала (59%), а также численность населения (29655,1 тыс. чел.). Под статус наиме-
нее инвестиционно привлекательного округа по критерию «Оценка инвестиционной привлекательности» попадают Дальневосточный и Уральский федеральные округа. Посмотрим, что показывают остальные критерии и выберем из двух округов один. По критериям оценки налогового потенциала и уровню средней заработной платы Уральский округ уступает Дальневосточному, но по остальным признакам он однозначно лидирует. Одна только численность населения превышает численность населения Дальневосточного округа почти в два раза (12326,9 тысяч человек против 6188,8 тысяч человек).
Таким образом, оценивая на практике применимость авторской методики оценки инвестиционной привлекательности через
информационное пространство финансо- средства в этот вид деятельности, ему сто-вого рынка на примере вида экономиче- ит обратить свое внимание на Приволжской деятельности «Пищевая промышлен- ский федеральный округ, который стоит ность» в разрезе федеральных округов на первом месте по привлекательности и в Российской Федерации, можно сделать который будет относительно выгодно ин-вывод о том, что данный вид деятельности вестировать свои средства, а также на не является инвестиционно привлекатель- Дальневосточный округ, где по сравнению ным во всех федеральных округах. Но ес- с другими округами от инвестирования ли инвестор все же захочет вложить свои лучше воздержаться.
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. АлексеевМ.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. СавельеваМ.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. СавельеваМ.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., Алексеев М.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. АлексеевМ.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.
EVALUATION OF INVESTMENT ATTRACTIVENESS OF THE ACTIVITY "FOOD INDUSTRY" IN THE CONTEXT OF FEDERAL DISTRICTS OF RUSSIA
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 the financial results of the specialized agencies form different ratings, including the ratings of investment attractiveness. These ratings do not take into account the probability of misstatement of the financial statements, which means that they are incorrect. This article describes and tested the method of evaluation of investment attractiveness on the example of food industry companies, which differs from other methods in that it takes into account the probability of distortion of financial statements.
Keywords: investment attractiveness, distortion of financial statements, manipulation of the results of economic activity, methods of identifying distortions of financial statements, methods of assessing investment attractiveness.
