CC BY
51
политикой управляющей компании в отношении данного участника либо объективной общей ситуацией в интегрированной структуре. В этом случае возможны различные внеэкономические интересы и механизмы, удерживающие участника в рамках интегрированной структуры. При их отсутствии может быть целесообразен выход из состава интегрированной структуры (если это позволит его юридический статус), либо внесение изменений в характер экономическихвзаимоотношений с другими участникам и.
Список литературы
1. Антонов Г.ДИванова 0. П. Предпосылки интеграции и эволюция интеграционных структур в России // Менеджмент в России и за рубежом. 2001. № 5. С. 12-18.
2. Харченко Н.П. Необходимость оценки эффективности реструктуризации [Электронный ресурс] // Материалы VIII регион. конф. «Вузовская наука - Северо-Кавказскому региону». Т. 3. Экономи-ка. Ставрополь: СевКав ГТУ. 2004. http://www.ncstu.ru.
3. Колосова Т.В. Стоимостная оценка предприятия как показатель эффективности реструктуризации // Архитектура. Геоэкология. Экономика: сб. трудов аспирантов и магистрантов.
Н.Новгород: ННГАСУ, 2004. С. 192-193.
4. Низамова Т.Д. Проблемы реструктуризации предприятий Республики Таджикистан // Экономика Таджикистана: проблемы и решения. Приложение к Евразийскому междунар. науч.-аналит. журналу «Проблемы современной экономики» (Сборник научных статьей). Душанбе; СПб., 2005. С. 26-34.
5. Мерзпикина Г.С., Семикин Е.А. Теоретические вопросы реструктуризации. Волгоград: Волгоградский дом печати, 2001. 343 с.
6. Annual reports on Russian economy. Trends and prospects. Moscow: Institute for the Economy in Transition, 1992-1999.
7. Бессонова, Ю.А. Оптимизация производственных мощностей интегрированных структур // Вестник Иркутск. гос. те<н. ун-та. 2008. № 1(33). С. 21б—217.
8. Бессонова Ю.А. Функционирование интегрированных структур: оптимизация производственных мощностей // Вестник ИНЖЭКОН. Сер. Экономика. 2008. № б. С. 284-287.
Bibliography
1. Antonov G.D., Ivanova O.P. Preconditions for integration and evolution of integrated structures in Russia // Management in Russia and abroad. 2001. № б. P. 12-18.
2. Harchenko N.P. The need for estimation of efficiency of restructuring [Internet resources] // Materials of the VII regional conference «University science to Northern Caucasia». Vol. 3. Economics. Stavropol: NC STU. 2004. http://www.ncstu.ru.
3. Kolosova T.V. Estimation value of the company as an efficiency index of restructuring // Architecture. Geoecology. Economics: Papers of post-graduate students and undergraduates. Nizhny Novgorod: NNGASU, 2004. P. 192-193.
4. Nizamova T.D. Problems of enterprise restructuring of the Republic of Tajikistan // Economics of Tajikistan: problems and solutions. Appendix to Eurasian international scientific and analytical journal «Problems of Modern Economy» (Collected scientific papers). Dushanbe; St. Petersburg, 200б. P. 26-34.
б. Merzlikina G.S., Semikin E.A. Theoretical issues of restructuring.
Volgograd: Volgograd publishing house, 2001. 343 p.
6. Annual reports on Russian economy. Trends and prospects. Moscow: Institute for the Economy in Transition, 1992-1999.
7. Bessonova J.A. Optimization of production capacities of integrated structures // Bulletin of Irkutsk state technical university. 2008. № 1(33). P. 21б-217.
8. Bessonova J.A. Operation of integrated structures: optimization of production capacities // Bulletin of INZHEKON. Series «Economics». 2008. № б. P. 284-287.
УДК 332.135:005.52
Поликарпова М.Г.
ПАРАМЕТРИЧЕСКОЕ МОДЕЛИРОВАНИЕ ИНТЕГРАЦИОННОЙ АКТИВНОСТИ СЕКТОРОВ ЭКОНОМИКИ РОССИИ*
В процессе решения широкого круга социальноэкономических, исследовательских и управленческих задач, связанных с интеграционными процессами, возникает необходимость анализа и формализации задач, связанных со сравнением и классификацией российских секторов экономики. Термин «классификация» тесно связан с такими понятиями, как группировка, типологазация, систематизация, дискриминация, кластеризация и является одним из основополагающих в практической и научной деятельности.
Под классификацией понимают разделение рассматриваемой совокупности объектов или явлений на однородные, в определенном смысле, группы либо отнесение каждого объекта (из заданного множества классифицируемых объектов) к одному из заранее известных классов (при этом классифицируемое «за-
* Работа выполнена в рамках гранта Президента РФ для государственной поддержки молодых российских ученых -кандидатов наук (МК-449.2010.6).
данное множество» может состоять из единственного объекта) [3]. Систематизация современного математического инструментария разбиения объектов на однородные группы в зависимости как от наличия обучающих выборок, так и от наличия априорных сведений о законе распределения вероятностей внутри классов представлена в табл. 1.
Главное отличие схемы параметрического дискриминантного анализа от метода расщепления смесей вероятностных распределений состоит в способе оценивания неизвестных параметров, от которых зависят функции, описывающие классы. В методе расщепления смесей вероятностных распределений параметры оцениваются не по обучающим выборкам, а по классифицируемым наблюдениям с помощью одного из известных методов статистического оценивания параметров.
Так как секторы экономики России отличаются неравномерностью протекания интеграционных процессов, при исследовании пространственной структу-
ры интеграционной деятельности основное внимание было уделено показателю из системы показателей интеграционной деятельности на макроуровне -стоимостной объем рынка сделок М&А, отражающему в интегрированной форме различные аспекты интеграционной деятельности того или иного сектора экономики [1]. Данный показатель может служить адекватной характеристикой интеграционной активности секторов экономики РФ.
С целью максимального использования информации, содержащейся в значениях этого признака, были выбраны параметрические методы классификации. Экономико-математическое моделирование интеграционной активности секторов экономики России предполагает декомпозицию закона распределения /х). Его представляют в виде смеси к законов распределения, каждый из которых // (х,9/) описывает
распределение однородной группы объектов, долю которого в общей совокупности определяет весовой коэффициент Ц/ в модели:
/(х) = ^4}/] (Х 0/ X (1)
] =1
где 9/ - вектор параметров закона распределения объектов ]-й группы. Сумма всех весовых коэффициентов должна быть равна единице.
Для исследования интеграционной активности секторов экономики РФ был использован метод расщепления смесей вероятностных распределений, поскольку каждый класс интерпретируется как параметрически заданная одномодальная генеральная совокупность при неизвестном значении определяющего его векторного значения параметра 9/ и соответственно каждое из клас-
Т аблица 1
Систематизация современных методов классификации объектов
Априорная информация о законе распределения вероятностей внутри классов Предварительная выборочная информация
Отсутствие обучающих выборок («без учителя») Наличие обучающих выборок («с учителем»)
Вид закона распределения вероятностей внутри классов неизвестен Кластерный анализ Непараметрические методы дискриминантного анализа
Вид закона распределения вероятностей внутри классов известен (параметры неизвестны) Метод расщепления смесей вероятностных распределений Параметрические методы дискриминантного анализа
Вид закона распределения вероятностей внутри классов известен (параметры известны) Статистические критерии проверки статистических гипотез
сифицируемых наблюдений считается извлеченным из одной из этих генеральных совокупностей.
При одинаковом виде законов распределения /х; 9) каждой из однородных групп задачу расщепления смеси вероятностных распределений можно представить в виде:
/ (х)=^4]/(х;0 ] )• (2)
] =1
При этом основной проблемой является выбор вида закона распределения. Анализируемый признак «стоимостной объем рынка интеграционных сделок» представляет собой результат совокупного действия множества факторов, среди которых, в силу достаточного разнообразия элементов жзяйственной деятельности каждого сектора экономики РФ, отсутствуют явно доминирующие, а характер действия каждого фактора, как наблюдаемого, так и латентного, на результирующее значение показателя можно считать мультипликативным. Поэтому можно предположить, что для однородной группы в этом смысле российских секторов экономики закон распределения признака будет логарифмически нормальным:
(1п х -ц )2
/ (х) = /т1 е 2 °2 , (3)
V2 пах
где ци ст - соответственно математическое ожидание и среднее квадратическое отклонение величины 1пх.
Оценку вектора параметров модели
9 = (41,...,Цк; 9^,...,9^)Т целесообразно производить методом максимального правдоподобия путем максимизации логарифма функции правдоподобия:
л к
1п I (0 опт ) = тах ^ 1п /(х, 0). (4)
] =1
После получения оценок встает вопрос классификации объектов. Для получения однозначного правила отнесения произвольного объекта к одному из выделенных классов можно применить байесовский под-жд, использующий в качестве критерия минимум среднего риска ошибочной классификации:
Г = Х ^ ]) Р(/, ]) =
П '7 (5)
= X Хг (*', ])Р(г' / ])Р (]) = тп.
1=1 ] =1
Решающее правило зависит от выбранной функции стоимости г(/,]) отнесения /-го объекта к ]-му классу. При простой функции стоимости г(/,]) =-8Л , где
|Х / = ];
8Л =|^ - символ Кронекера, условие правиль-
ной классификации будет определяться выражением
n n
P(i / i)P(i) = min или ^P(i / i)P(i) = max. (6)
i=1 i=1
Вероятность правильной классификации на интервале шириной Лх в окрестности точки х может быть представлена приближенным равенством P(i / i)« ft (x)Лх , которое связывает вероятность P(i/i) правильного отнесения объекта i-му классу и плотность вероятности i-ro компонента смеси законов распределений. Используя эту связь, перейдем к правилу классификации:
n
Z P (i )fi (x) = max. (7)
i=1
Величина P(i) представляет собой априорную вероятность отнесения объекта к i-му классу, равную доле объектов i-ro класса в общей совокупности. Ее эмпирическим аналогом является оценка весового коэффициента qi: P(i) = q. Данную оценку можно использовать в итоговом решающем правиле:
П
Z fi (x)q, = max, (8)
i=1
определяющем границу между соседними группами как абсциссу точки пересечения их взвешенных модельных плотностей вероятности [4]. Иллюстрация решающего правила для модельного распределения в виде смеси трех компонент приведена на рис. 1.
Для моделирования интеграционной активности секторов экономики России были использованы данные, предоставленные в апреле 2010 г. аналитической группой M&A - Intelligence журнала «Слияния и поглощения» за 2003-2009 гг. Для анализа данной структуры были взяты 2 предкризисных года: 2005 и 2007, а также кризисный 2009. Секторы экономики, у которых в перечисленные выше годы интеграционная активность была равна нулю, предварительно были выделены в отдельную группу (табл. 2).
В 2009 г. несмотря на то, что произошло снижение стоимости покупаемых активов ниже планки в 5 млн $ на 24% увеличилось количество секторов экономики с нулевой интеграционной активностью по сравнению с 2005 г. и на 21°% по сравнению с 2007 г., что объясняетсярядом причин, связанных с кризисом:
- отсутствие доступных кредитных средств на проведение сделок в прежних объемах ввиду углубления мирового кризисаликвидности;
- отмена или затягивание ряда сделок ввиду трудности справедливой
- оценки продаваемого/покупаемого бизнеса и др.
Исследование гистограммы логарифма анализируемого признака «стоимостной объем рынка интеграционных сделок» подтвердил справедливость выдвинутого предположения о логарифмически нормальном законе распределения для отдельной группы секторов экономики РФ. Однако полимодальность распределения свидетельствует о присутствии в вы-
борке элементов различных однородных совокупностей. Следовательно, можно считать анализируемую совокупность смесью однородных совокупностей, каждая из которых имеет логарифмически нормальное распределение.
Согласно гистограмме логарифма стоимостного объема рынка интеграционных процессов за 2005 и 2009 гг. можно предположить наличие трех страт, а за 2007 г. можно предположить наличие двух страт с колоколообразными функциями распределения. Среднее значения Цу для логарифма каждой страты определяли как абсциссу точки ее предполагаемого максимума, стандартное отклонение логарифма признака - расстоянием по оси абсцисс от предполагаемой точки максимума до точки перегиба плотности вероятности логарифма признака; весовой коэффициент каждой страты пропорционален площади под предполагаемой взвешенной кривой ее распределения в смеси (табл. 3).
Далее было рассчитано начальное приближение теоретического распределения и проведено его сравнение с эмпирическим распределением. Существенное отличие гистограмм в первую очередь объясняет-
Рис. 1. Компоненты общего закона распределения с границами страт
Таблица 2
Секторы экономики РФ с нулевой интеграционной активностью
№ 2005 год 2007 год 2009 год
1 ЖКХ - -
2 Медицина - Медицина
3 Телекомму- никации Телекоммуникации -
4 Оборонная промышленность Оборонная промышленность
5 Стекольная промышленность Стекольная промышленность
6 Целлюлозно- бумажная промышленность Целлюлозно- бумажная промышленность
7 Добыча полезных ископаемых
8 Реклама
9 Сельское хозяйство
10 Лесная промышленность
11 Торговля
12 Фармацевтика
13 Химическая промышленность
ся тем, что параметры, использованные для построения теоретического распределения, не являются оптимальными. Получение наилучших значений параметров требует выбора критерия оптимальности и организации процедуры получения оценок. Для этого был выбран метод максимального правдоподобия. Он предусматривает использование в качестве оценок таких значений параметров, которые максимизируют многомерную плотность вероятности распределения признака для всей совокупности наблюдаемых значений (функция правдоподобия):
ь = А (x1,..., хп, ц^... ,цк, ^ а к, q1,..., Чк ).
Аргументами функции правдоподобия для данной выборки являются значения оцениваемыхпараметров. В случае независимой выборки плотность вероятности многомерного распределения эквивалентна произведению одномерных плотностей вероятности:
ь = / (xl,..., хп, Цк, °к, ^l,-, Чк ) =
п
= П / (х, ^ к, стl,■■■, °к, ^l,-, Чк )•
1=1
Значения параметров 1^,..., ,
Ч > ?1>-> Чк>
7
Т
ІТІ
I
2,16 2,83 351 4,19 4,86 5,54 6,22 6,90 7,57 8,25 8,95
1 эмпирическая частота
• теоретическая частота 2
Рис. 2. Гистограммы эмпирического и теоретического распределений стоимостного объема рынка интеграционных процессов, 2005 г.
Таблица 3
Начальные приближения параметров смеси распределений за 2005 г.
Номер страты Мтеор СТтеор Чтеор
1 3,51 1,35 0,3
2 2 со 1,36 0,5
3 8,25 0,68 0,2
Таблица 4
Оценки параметров смесей логарифмически нормальных распределений
Номер 2005 г. 2007 г. 2009 г.
страты ^теор Фтеор Чтеор ^теор Фтеор Чтеор ^теор Фтеор Чтеор
1 2,95 0,53 0,19 1,61 0,00014 0,10
2 6,30 1,26 0,72 4,16 0,70 0,26 4,29 0,55 0,16
3 7,87 0,02 0,09 7,67 1,38 0,74 7,50 1,07 0,74
максимизирующие функцию правдоподобия, будут максимально правдоподобными оценками этих параметров (г - номер сектора экономики РФ, п - общее число секторов экономики). Максимизацию функции правдоподобия можно заменить максимизацией монотонно связанной с ней функцией логарифма отношения правдоподобия:
п
I=1п ь =£ А (х, ц к, °к, gl,•••, Чк ч).
г ч
Полученные в результате проведенного анализа параметры за 2005, 2007 и 2009 гг. представлены в табл. 4.
На основе максимально правдоподобных оценок была построена гистограмма теоретического распределения стоимостного объема рынка интеграционных процессов секторов российской экономики (на рис. 2 представлены гистограммы эмпирического и теоретического распределений стоимостного объема рынка интеграционных процессов за 2005 г.).
Параметрическая модель хорошо описывает имеющиеся данные об интеграционной активности секторов экономики, о чем свидетельствует близость теоретической и эмпирической гистограмм. Отклонение теоретического от эмпирического распределе-ния стоимостного объема рынка интеграционных
Х\у ~ У I
—------— = 0,24 ,
п
в 2007 г. - ^ = 0Л8, в 2009 г. - % = 0Д9 .
Границы страт при использовании байесовского критерия минимума среднего риска ошибок классификации в отсутствии дополнительной априорной информации можно определить как абсциссы точек пересечения взвешенных кривых распределения соседних страт. На рис. 3 представлена параметрическая модель секторов экономики России по уровню интеграционной активности в 2005 г. и ее декомпозиция.
В 2005 г. секторы экономики, у которых 1пх<3,84, следует отнести к числу отстающих (страта ^, при 3,84<1пх<7,82 - к числу средних (страта 2), при значениях 1пх>7,82 - к третьей, самой передовой страте по уровню интеграционной активности. В 2007 г. секторы экономики, у которых 1пх<5,23, следует отнести к числу средних (страта 2), при значениях 1пх>5,23 - к самой передовой 3 страте. В 2009 г. секторы экономики, у которых 1пх<1,62, следует отнести к числу отстающих (страта ^, при 1,62<1пх<5,22 - к числу средних (страта 2), при значениях 1пх^5,22 - к третьей, самой передовой страте.
За рассматриваемый период (рис. 4) уменьшилось число секторов экономики с низкой интеграционной активностью (с 6 в 2005 г. до 2 в 2009 г.), а также резко уменьшилось число секторов со средней интеграционной активностью (с !9 в 2005 г. до 4 в 2009 г.). При этом в 2009 г., несмотря на то, что резко увеличилось количество секторов экономики с нулевой интеграционной активностью, резко возросло число секторов экономики РФ с высокой степенью интеграционной активности
7
6
5
4
3
2
0
1,57605210 1,49724949 1,41844689 1,33964428 1,26084168 1,18203907 1,1 032 36 47 1,02443386 0,945631 26 0,86682865 0,78802605 0,70922344 0,63042084 0,55161823 0,47281563 0,39401302 0,31521042 0,23640781 0,1 5760521 0,07880260 0,00000000
925
925
,2 ,2 ,2 ,3 3, ,3 3, ,4
8 8 8
общая кривая распределения низкие -----средние - - - - высокие
Рис. 3. Параметрическая модель секторов экономики России по уровню интеграционной активности в 2005 г. и ее декомпозиция
Рис. 4. Структура секторов экономики России по уровню интеграционной активности в 2005 и в 2009 гг.
страта 2
страта 3
Рис.5. Функция принадлежности секторов экономики РФ к каждой из выделенных страт, 2007 г.
(с 5 в 2005 г. до ^ в 2009 г.), что связано с появлением в кризис возможности купить конкурента по сравнительно более низкой цене (резко подешевевшие в кризис активы).
График функции принадлежности , рассчитанный на основе декомпозиции теоретического распределения для предкризисного 2007 г. приведен на рис. 5. Изменение значений функции принадлежности во времени обусловливает наглядное представление о динамике перехода объекта из одной страты в другую. Каждая страта может быть охарактеризована по ее наиболее ярким представителям, обладающим близкими к единице значениями функции принадлежности к данной страте. Так, например, для 2 страты наиболее яркими представителями являются киноиндустрия , медицина, сель -ское хозяйство, для 3 страты -металлургия, электроэнергетика , нефтегазовая сфера.
Состав лидирующей третьей страты представлен в табл. 5.
Таким образом, проведенное исследование показало, что наблюдаются существен -ные межотраслевые различия по основному показателю, характеризующему интеграционную активность. Финан -сово-экономический кризис объективно обозначил целые отрасли-аутсайдеры по экономическим показателям, в то же время выявил и ряд конкретных компаний-лидеров, в том числе и по количеству транзакций и стоимостному объему рынка в сфере слияний и поглощений [2].
В наименьшей степени кризис коснулся капитализации золотодобывающих компаний (ДПИ-золото). А некоторых компаний данной отрасли, например, таких как "Полиметалл", кризис, можно сказать, не коснулся, посколь -ку на сегодняшний момент капитализация данной компании значительно превышает
Таблица 5
Состав лидирующей страты за 2005, 2007 и 2009 гг.
№ 2005 2007 2009
1 ДПИ-золото ДПИ-золото ДПИ-золото
2 Металлургия Металлургия Металлургия
3 Нефтегазовая Нефтегазовая Нефтегазовая
4 Пищевая Пищевая Пищевая
5 Строительство Строительство и Строительство и
и недвижимость недвижимость недвижимость
б Информационные Информационные
технологии технологии
7 ДПИ -
В Машиностроение Машиностроение
9 Ритейл Ритейл
10 Связь -
11 СМИ СМИ
12 Спорт Спорт
13 Страхование -
14 Торговля -
15 Транспорт Транспорт
16 Услуги Услуги
17 Фармацевтика -
18 Финансы Финансы
19 Химическая -
20 Электроэнергетика Электроэнергетика
21 Прочее Прочее
22 Телекоммуникации
ее докризисный уровень. Это обусловлено тем, что в кризис значительная часть инвесторов решила выйти из теряющих капитализацию компаний и вложиться в "вечные" ценности, то есть в золото.
При этом в 2009 г. в состав третьей лидирующей страты вошла телекоммуникационная сфера: за 2009 г. было совершено 15 сделок на общую сумму 11941 млн $. Крупнейшей из объявленных среди сделок слияний и поглощений в мире в октябре 2009г. стала сделка по приобретению ОАО «Вымпел-коммуникации»1, контрольного пакета акций ЗАО "Киевстар Дж. Эс. Эм.»2 за 9999,90 млн $ [6].
А1йто, управляющая телеком му никационным и активами Альфа-групп, и норвежская Те1епог прервали один из самых продолжительных корпоративных конфликтов в современной России и договорились объединить мобильных операторов ВымпелКом и Киевстар, а также приостановить все наждящиеся в производстве дела о спорах Можно предположить, что основными целями объединения компаний могут быть:
- выжд на неосвоенные рынки;
- создание за счет инновационных проектов но-выхрынков;
- продажа по более высокой цене интегрированной компании.
1 Собственник покупателя: Altimo («Альфа-Групп») -44,00%, Telenor - 29,90%, в свободном обращении (NYSE) -26,10%.
2 Собственник объекта: Telenor - 56,51%, ООО
«Сторм» (Altimo) - 43,49%.
Таким образом, наибольший "профит" от M&A в кризис сосредоточен в секторах 3 лидирующей страты, а именно в строительстве и недвижимости, банковском бизнесе и ритейле. При этом среди российских бизнесменов в 2009 г. наиболее успешно использовал возможность приобретения активов по низким мультипликаторам стоимости Сулейман Керимов, купив ОАО Группа компаний «ПИК» (строительство и недвижимость), ОАО «Полюс Золото» (ДПИ-золото) и ОАО «Главстрой» (строительство и недвижимость). ООО УК "Металлоинвест" (ДПИ, металлургия) - один из наиболее проницательных стратегических инвесторов как на российском, так и мировом рынке интеграционных процессов.
ОК "Русал" (металлургия), с одной стороны, оказалась на грани банкротства, с другой - сумела системно вести переговоры с кредиторами, клиентами и инвесторами. Наконец, ОК "Русал" удалось довести идею IPO до конца, а в 2009 г. провести pr-кампании по размещению своих акций в Гонконге.
Наиболее активным игроком рынка интеграционных процессов в 2009 г. было государство. Антикризисные меры были оформлены в виде предоставления субсидий и субвенций, оказания мер поддержки отдельным секторам экономики. В 2009 г. на все эти цели в РФ были предусмотрены дополнительные бюджетные ассигнования в размере 450 млрд руб. Субсидии и госгарантии по кредитам, взносы в уставной капитал компаний с госучастием перечислялись из Резервного фонда. При этом государство поддерживало российских предпринимателей и при осуществлении ими трансграничных сделок3. В России в 2009г. общий объем мер поддержки секторов экономики составил 7,1% ВВП [5].
На основе данных, предоставленных московским офисом компании Tax Consulting U.K., были выделены категории участников рынка M&A, выигравших в кризис от интеграционных сделок (табл. 6).
Проведя анализ 265 интеграционных сделок 22 секторов экономики РФ 2009 г. на общую сумму 42770 млн $4, можно сделать вывод, что финансово-экономический кризис не повлек массового передела собственности в России. При этом кризис и M&A самым причудливым образом могут трансформировать роли "победителей" и "проигравших" от таких сделок. Нередко основные бонусы от интеграционных сделок использует сторона, которая внешне выглядит "проигравшей".
В данной работе на основе обобщения материала по M&A в различных секторах российской экономики за 2008-2009 гг. были выделены следующие характерные категории сделок слияния и поглощения в кризис:
- Продажа непрофильных активов.
В условиях недостатка финансирования собственники компаний используют любую возможность
3 Например, покупка бывшим министром энергетики РФ В.Юсуфовым судостроительных верфей Wadan Yards. Данная интеграционная сделка была одобрена канцлером Германии А.Меркель и президентом РФ Д.Медведевым, а комитет кредиторов Wadan Yards согласился продать верфи российскому бизнесмену за 40,5 млн.евро.
4 Уточненные данные аналитической группы M&A - Intelligence на 01.04.2010г.
Таблица 6
Стратегические игроки, выигравшие в кризис от сделок M&A
№ Выигравшая сторона Выигрыш Пример Потенциальный размер выигрыша
1 Амбициозно настроенные, динамично развивающиеся страны Получают возможность выхода на рынки, которые до кризиса были для них закрыты (сырьевые, технологические, банковские и т.д.). Создают для своей экономики надежную сырьевую базу и мощную платформу для технологического рывка в будущем Китай Сотни миллиардов долларов
2 Госкомпании В основном практически за бесценок получают активы, инфраструктуру, персонал и технологии «пошатнувшихся» конкурент ов-часгников Покупка инвестбанка «КИТ-Финанс» структурами РЖД и Алросы за 500 руб. Миллиарды долларов
3 Структуры, проходящие процесс оздоровления в рамках поглощения госком-паниями Зачастую огромный (близкий к «неограниченному») административный ресурс и дешевое заемное финансирование Связь-банк, Г лобекс, приобретенные ВЭБом Сотни миллионов долларов
4 Компании, не испытывающие проблем с фондированием Скупка конкурентов, активов, технологий и персонала с огромным дисконтом Покупка В0 супермаркетов «Патэрсон» группой X5 Retail Group Сотни миллионов долларов
5 Структуры, сознательно прошедшие процедуру слияния/объединения Повышение капитализации компании, оптимизация численности персонала, бизнес-процессов и т.д. Слияние МДМ-Банка и УРСА-Банка Сотни миллионов долларов
6 Собственники, готовые продать бизнес (даже с дисконтом), на развитие которого не хватает средств Выход из бизнеса хоть в какие-то деньги против альтернативы банкротства через определенный промежуток времени Продуктовая сеть «Лента», проданная TPG Capital и «ВТБ-Капитал» Сотни миллионов долларов
7 Собственники, готовые уступить контроль над бизнесом для реструктуризации долгов Реструктуризация долга и получение дополнительного финансирования по перспективным проектам Дон-Строй и ВТБ, Сбербанк Универсал Трансгрупп (УТГ) и Альфа-Банк Сотни миллионов долларов
В Дебиторы, которые «ждут», пока обанкротится кредитор Излишняя агрессивность на рынке поглощений приводит к ослаблению (идажебанкротству) не рассчитавшего свои силы «поглотителя» «Уралхим» и его дебиторы Сотни миллионов долларов
9 Потенциальные инвесторы и конкуренты информационно закрытых структур Информационно закрытая структура вынуждена «открыться» в процессе совершения крупных М&Д-сделок под давлением антимонопольных и прочих госорганов Покупка 21,2/ венгерской MOL у австрийской OMV «Сургутнефтегазом» Сотни миллионов долларов
10 Объединившиеся структуры подугрозой потери лицензии Повышение капигализацж компании, оптимизация численности персонала, бизнес-процессов ит.д. Инвестбанк Сотни миллионов долларов
направить средства на текущие нужды своих предприятий . Продать актив, который непосредственно не связан с основным бизнесом, - один из способов получить необходимые ресурсы.
Как разновидность данной категории сделок соответственно присутствуют на рынке и приобретения непрофильных активов. Однако подобные приобретения характерны именно для российских инвесторов и могут представлять собой частные инвестиции крупных российских предпринимателей5. Учитывая сложившуюся экономическую конъюнктуру, в дальнейшем стоимость актива, купленного по минимальной цене, будет только расти.
5 Например, покупка в 2009г. радиостанции Business FM Владимиром Лисиным.
- Сделки по приобретению активов, которые представляют собой спасение государством отдельных компаний.
Фактически государство взяло на себя проблемы отдельных компаний и ответственность за исполнение такими компаниями своих обязательств. В основном спасение компаний государством (в том числе, госбанками) было направлено на предотвращение негативных социально-экономических последствий банкротства компаний, в том числе предотвращения "цепной реакции" банкротств контрагентов таких проблемных предприятий, поскольку угроза такого развития ситуации при банкротстве существует всегда.
- Сделки, на которые вынуждены идти банки, становясь участниками бизнеса своих заемщи-
ков, которые не способны расплатиться по кредитам.
Альтернатива участию банка в покупке неплатежеспособного заемщика - участие в процедуре банкротства заемщика, либо как минимум обращение взыскания на заложенный банку актив заемщика. И в первом, и во втором случае возможность получить существенную часть долга (а тем более весь долг) не очевидна. Следствием данных обстоятельств является то, что банки становятся приобретателями неплатежеспособных компаний.
- Рыночные сделки.
В рамках данных сделок профильный инвестор приобретает соответствующий бизнес (например, своего конкурента), и такие приобретения не были вызваны финансовыми проблемами приобретаемой компании. Однако и в количественном, и в стоимостном выражении подобные сделки представляли собой лишь небольшую часть M&A - активности в 2009 г.
Вторая и третья категории сделок характеризуются рядом интересных особенностей. Это сделки либо безденежные, либо подразумевающие переход актива за символическую сумму6. Основная цель сделки - сохранение компании в качестве действующей на рынке. Основное обязательство покупателя по отношению к самой компании или продавцу - финансирование деятельности компании или рефинансирование долгов. В целом такие «кризисные» сделки характеризуются:
- короткими сроками их совершения;
- отказом от ограничений ответственности продавца;
- использованием различных механизмов отсрочки/рассрочки платежей (в том числе, посредством использования счетов escrow), условных выплати т.д.
Существующая линия поведения банков и госу-дарства как участников рынка слияний и поглощений беспроигрышна для всех его участников. Владельцы бизнеса "сдают" покупателю проблемный актив, за это с них снимается ответственность за возврат долгов и некоторые иные потенциально проблемные аспекты (например, социальные вопросы). При этом и банки, и государство будут впоследствии выходить из таких проектов, которые, по сути, представляют собой санацию той или иной компании.
Кроме этого, если сравнивать отечественный рынок M&A с другими странами, то сегодня Россия выглядит достаточно перспективно, поскольку, если в развитых странах капитализация компаний различных секторов экономики снизилась в кризис примерно на 30%, стоимость российских компаний упала в 5 раз [7]. Это потенциально может дать в ближайшие годы
новый импульс для слияний и поглощений в различных секторах экономики России.
Таким образом, на основе разработанной параметрической модели классификации секторов экономики РФ по уровню интеграционной активности было выявлено, что наблюдаются существенные межотраслевые различия по основному показателю, характеризующему интеграционную активность. Финансовоэкономический кризис объективно обозначил целые отрасли-аутсайдеры по экономическим показателям, в то же время выявил и ряд конкретных компаний-ли-деров, в том числе и по количеству транзакций, и по стоимостному объему рынка интеграционных процессов. На основе представленного анализа возможна выработка мер государственной политики в целях повышения эффективности интеграционной деятельности различных секторов экономики России.
Список литературы
1. Поликарпова М.Г. Формирование базы интеграционного анализа в цепж повышения конкурентоспособности экономики Россий-ской Федерации // ВесгникУПУ-УПИ. 2010. № 4. С. 62-72.
2. Поликарпова М.Г. Интеграционные процессы в современной экономике Российской Федерации // Вестник экономической интеграции. 2009. № 9-10. С. 24-30.
3. Прикладная статистика. Основы эконометрики: учебник для вузов: в 2 т. Т. 1: Теория вероятностей и прикладная стаги-сгика / Айвазян СА., Мхитарян В.С. 2-е изд., испр. М.: ЮНИ-ТИ-ДАНА, 2001. 656 с.
4. Сирогин В.П., Аркипова М.Ю. Расщепление смеси вероягносг-ных распределений в задачах моделирования социальноэкономических процессов: учеб. пособие. М.: МЭСИ, 2007. 64 с.
5. www.consulting.rbc.ru.
6. www.ma-journal.ru.
7. www.mergers.ru.
Bibliography
1. Polikarpova M.G. Forming of the basis of integration analysis for
the purpose of competitiveness growth of Russian Federation
economy // Bulletin of UGTU-UPI. 2010. № 4. P. 62-72.
2. Polikarpova M.G. Integration processes in the modern economy of
Russian Federation // Bulletin of economic integration. 2009. № 9-10. P. 24-30.
3. Applied statistics. Basics of econometrics: University textbook:
2 volumes, second edition, amendments - first volume: Aivazyan
S.A., Mhitaryan V.S. Probability theory and applied statistics. Moscow: UNITY-DANA, 2001. 656 p.
4. Sirotin V.P., Arhipova M.U. Splitting of the mixture of probabilistic distribution in the problems of modeling of social and economic processes: Tutorial. Moscow: MESI, 2007. 64 p.
5. www.consulting.rbc.ru.
6. www.ma-journal.ru.
7. www.mergers.ru.
6 Например, покупка в I квартале 2010 г. Внешэкономбанком активов банка «Глобэкс», либо получение в 2009 г. ВТБ контроля над группой компаний «Дон-Строй» за символические 500 руб.
