CC BY
156
Построение модели управления стоимостью компании сотовой связи на основе факторного и сценарного анализа
О.А. Власова
аспирантка кафедры оценки и управления собственностью Финансовой академии при Правительстве Российской Федерации (г. Москва)
Олеся Александровна Власова, olesyavlasova@mail.ru
Мировая практика показывает, что критерием обеспечения устойчивого развития является рост стоимости предприятия. Формирование стоимости предприятия происходит на протяжении всего жизненного цикла его функционирования под воздействием совокупности стоимостных факторов. Эффективное управление стоимостью предприятия предполагает построение системы управления, которая позволяла бы отслеживать и контролировать факторы стоимости предприятия и принимать решения о корректировке или пересмотре ранее установленных показателей эффективности. Процесс построения системы управления стоимостью включает следующие этапы:
1) выявление факторов стоимости компании;
2) выбор показателя - индикатора стоимости компании (справедливая стоимость предприятия, стоимость собственного капитала, свободный денежный поток и т. д.);
3) анализ чувствительности итогового показателя к факторам стоимости;
4) выработка рекомендаций по оптимальному управлению стоимостью компании.
Фактором (драйвером) стоимости называется любая переменная, изменение которой
влечет за собой изменение стоимости компании.
Деятельность компании сотовой связи сопряжена с воздействием значительного количества формализуемых и не формализуемых факторов:
• изменение отраслевого законодательства,
• распределение частотного ресурса,
• решение задач стратегического и социального значения.
С позиции управления стоимостью наиболее интересны драйверы, поддающиеся экономико-математическому моделированию. Для целей моделирования набор и иерархию факторов стоимости компании сотовой связи можно представить в виде «дерева стоимости» (рис. 1).
Анализ чувствительности
В ходе исследования взаимосвязи стоимости ADR (American Depositary Receipt) компании сотовой связи и основных факторов стоимости было рассмотрено влияние на результирующую величину следующих факторов стоимости:
• средневзвешенная стоимость капитала (WACC);
• степень проникновения сотовой связи;
• доля оператора в общем числе абонентов на рынке мобильной связи;
• расходы на привлечение абонентов (SAC);
• средняя продолжительность разговора (MOU);
• средний счет абонента (ARPU).
Целью проведения анализа являлось изучение степени чувствительности стоимости ADR к изменению соответствующего фактора. В момент исследования влияния каждого
SB
Рис. 1. «Дерево стоимости» компании сотовой связи
отдельного фактора значения остальных факторов фиксировались на уровне базового сценария. Для более полного отражения характера указанных взаимосвязей рассматривалось 11 значений каждого фактора, расположенных на одинаковом расстоянии друг от друга («шаг анализа»). В таблице 1 представлены результаты проведенного анализа чувствительности.
Таблица 1
Анализ чувствительности стоимости компании сотовой связи к ключевым факторам стоимости
Фактор стоимости Значение % г, Шаг
Средневзвешенная стоимость капитала (WACC), % 16,1 15,1 14,1 13,1 12,1 11,1 10,1 9,1 8,1 7,1 6,1
стоимость (fair value -FV), долл. США/ADR 15,6 17,5 19,8 22,6 26,3 31,1 37,8 47,7 63,8 95,1 182,0 1,0
коэффициент эластичности 15,5 18,5 21,5
Степень проникновения сотовой связи (к «базовому» сценарию), % -5,0 -4,0 -3,0 -2,0 -1,0 0,0 1,0 2,0 3,0 4,0 5,0 1,0
РУ, долл. США/АйВ 23,4 24,9 26,4 28,0 29,5 31,1 32,7 34,3 35,9 37,5 39,1
коэффициент эластичности 5,0 5,0 5,1
Доля оператора в общем числе абонентов на рынке мобильной связи, % 29,4 30,4 31,4 32,4 33,4 34,4 35,4 36,4 37,4 38,4 39,4
РУ, долл. США/АйЯ 26,3 27,2 28,2 29,1 30,1 31,1 32,1 33,1 34,2 35,2 36,2 1,0
коэффициент эластичности 3,2 3,2 3,2
Темп роста расходов на привлечение абонентов (БАС) (к «базовому» сценарию), % 50,0 40,0 30,0 20,0 10,0 0,0 -10,0 -20,0 -30,0 -40,0 -50,0 10,0
РУ, долл. США/АйЯ 28,7 29,8 30,5 30,8 31,0 31,1 31,2 31,2 31,2 31,2 31,3
коэффициент эластичности 0,03 0,03 0,02
Темп роста средней продолжительности разговора (МОи) (к «базовому» сценарию), % -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5 0,5
РУ, долл. США/АйЯ 44,1 41,6 39,1 36,5 33,8 31,1 28,3 25,4 22,5 19,4 16,3
коэффициент эластичности 15,7 17,6 17,9 18,0 20,3
Темп роста среднего тарифа (АЯРи) (к «базовому» сценарию), % -2,5 -2,0 -1,5 -1,0 -0,5 0,0 0,5 1,0 1,5 2,0 2,5
РУ, долл. США/АйЯ 4,5 9,4 14,5 19,8 25,4 31,1 37,1 43,3 49,7 56,4 63,3 0,5
коэффициент эластичности 43,6 38,5 33,4
В колонке «Шаг» таблицы 1 представлена информация о темпе изменения каждого из анализируемых факторов. Так, значение шага для темпа роста расходов на привлечение абонентов составило 10 процентов. Отталкиваясь от базового значения изменения в 0 процентов (средняя колонка таблицы 1, значения в которой выделены жирным шрифтом), темп роста расходов увеличивался (уменьшался) в крайних точках анализа чувствительности на 50 процентов. В этих точках значения стоимости Айв составили соответственно 28,7 и 31,3 доллара США за 1 АйЯ. Аналогично был проведен анализ чувствительности и других факторов стоимости.
В дополнение к этому для каждого из рассмотренных факторов в таблице 1 были рассчитаны средние значения показателей эластичности, то есть отношение изменения стоимости АйЯ к изменению значения фактора в точке, соответствующей базовому сценарию. Значение эластичности в колонке для базового сценария является средним, рассчитанным на базе эластичностей в других колонках. Так, эластичность стоимости АйЯ по фактору «Степень проникновения сотовой связи» составила 0,5 в абсолютном выражении.
Следует отметить, что по ряду рассмотренных факторов для расчета эластичности используется не абсолютное значение фактора, а его изменение. Иными словами, фактически мы рассматриваем не эластичность фактора как такового, а эластичность изменения
соответствующего фактора в модели. Несмотря на эту оговорку, степень влияния каждого фактора стоимости на цену ADR можно определить посредством сравнения значений рассчитанной таким образом эластичности.
Интерпретируя результаты, полученные в таблице 1, мы можем сказать, что наибольшим значением эластичности обладает фактор «Темп роста среднего счета (ARPU)». Изменение этого фактора на 1 процент в среднем ведет к изменению стоимости ADR на 7,5 процента. Наименьшее значение показателя эластичности имеет фактор «Темп роста затрат на привлечение абонентов (SAC)».
Несложно заметить, что в рамках анализа чувствительности были рассмотрены формально независимые факторы стоимости, то есть факторы, не находящиеся в иерархич-ных взаимосвязях, представленных в модели «дерева стоимости» (рис. 1).
Исследование связей между факторами стоимости компании
Для выявления взаимозависимости факторов, или так называемых «объясняющих переменных», в рамках настоящего исследования будет проанализировано потенциальное наличие мультиколлинеарности факторов. По определению мультиколлинеарность - это тесная корреляционная связь между отбираемыми для анализа факторами, совместно воздействующими на общий результат. Такая взаимосвязь может затруднить оценивание регрессионных параметров в случае, если для целей исследования используется регрессионный анализ. Если для определения стоимости компании используется финансовая DCF-модель, наличие взаимозависимых факторов практически неизбежно и может быть оправдано с экономической точки зрения. Тем не менее исследование взаимозависимости факторов позволит нам определить характер и направление связей между факторами, которые могут присутствовать в финансовой модели.
Для исследования мультиколлинеарности используем элементы регрессионного анализа. Если регрессоры в модели связаны строгой функциональной зависимостью, то имеет место полная (совершенная) мультиколлинеарность. В примерах, в которых используются реальные данные, полная мультиколлинеарность наблюдается крайне редко. В связи с этим в прикладной области часто приходится иметь дело с частичной мультиколлинеарностью, которая характеризуется коэффициентами парной корреляции между регрессорами.
Точных количественных критериев для определения наличия (отсутствия) мультиколлинеарности не существует. Однако есть некоторые рекомендации по выявлению этого явления:
1) превышение некоего порога модулем парного коэффициента корреляции между регрессорами;
2) близость к нулю определителя матрицы АТА (матрица А - это матрица, состоящая из всех наблюдений анализируемых факторов. Ее необходимо привести к виду АТА для того, чтобы рассчитать значения определителя);
3) большое количество статистически незначимых параметров в модели множественной регрессии, при этом сама модель может быть значимой.
Рассмотрим каждый подход подробнее.
Факторы, которые мы будем рассматривать для анализа наличия взаимозависимостей, следующие:
• ARPU - средняя выручка на абонента в месяц (средний счет), при этом фактор ARPU мы разделяем на три составляющих - corporate, prepaid, postpaid;
• subscribers - количество подписчиков (sim-карт в обращении) в Российской Федерации;
• traffic - трафик абонентов сети в Российской Федерации.
Рассмотрим ряд данных по каждому фактору за период с января 2004 по май 2009 года. Анализируемые данные ежемесячные.
В рамках первого подхода к выявлению мультиколлинеарности рассмотрим матрицу парных коэффициентов корреляции. Для полноты картины также включим сюда зависимую переменную модели EV (Enterprise Value).
Выбор факторов стоимости обусловлен их значимостью в соответствии с проведенным ранее анализом чувствительности. Ряд других важных параметров финансовой модели (например WACC) хоть и оказывают сильное влияние на значение показателя стоимости, но тем не менее не подходят для анализа наличия или отсутствия мультиколлинеарности, так как по таким параметрам не существует необходимого количества эмпирических наблюдений.
Итак, рассмотрим матрицу парных коэффициентов корреляции (табл. 2).
Таблица 2
Исследование парных коэффициентов корреляции между факторами стоимости
компании сотовой связи
Фактор EV ARPU corporate ARPU postpaid ARPU prepaid Subscribers Traffic
EV 1,000 0,435 -0,119 0,425 0,396 0,363
ARPU corporate 0,435 1,000 0,064 0,983 0,934 0,975
ARPU postpaid -0,119 0,064 1,000 0,036 -0,234 0,127
ARPU prepaid 0,425 0,983 0,036 1,000 0,943 0,963
Subscribers 0,396 0,934 -0,234 0,943 1,000 0,916
Traffic 0,363 0,975 0,127 0,963 0,916 1,000
Интересующие нас коэффициенты корреляции между параметрами модели выделены заливкой. Считается, что если абсолютные значения коэффициентов корреляции превосходят 0,75-0,80, то это свидетельствует о наличии мультиколлинеарности.
В нашем случае тесная связь (со значением коэффициента парной корреляции выше
0,90) обнаруживается между всеми объясняющими факторами, кроме ARPU postpaid.
На первый взгляд высокие значения коэффициентов корреляции могут свидетельствовать о наличии мультиколлинеарности в модели. Однако в теории тесная статистическая связь между этими парами факторов (за исключением ARPU postpaid) могла быть легко спрогнозирована и до статистического исследования: с развитием мобильной связи год за годом увеличиваются количество абонентов и трафик. Рост показателя среднего счета можно, помимо прочего, объяснить тем, что анализируемые наблюдения представляют собой номинальные величины, которые росли по крайней мере с темпом, который был не ниже инфляции.
Что касается фактора ARPU postpaid, то низкий парный коэффициент корреляции между этим фактором и остальными является следствием тарифной политики компании. Средний счет за услуги, которые оплачивались постфактум, не показывал стабильного роста в долларовом выражении на протяжении анализируемого периода (рис. 2).
Рассмотрим второй подход к определению наличия связей между факторами стоимости. Существование тесных линейных статистических связей между объясняющими переменными приводит к слабой обусловленности матрицы АТА, то есть к близости к нулю ее определителя, о чем упоминалось в начале раздела.
Рассчитаем значение искомого определителя. Для этого представим имеющиеся наблюдения по каждому из факторов как вектор-столбцы. Получим матрицу А объясняющих переменных. Далее транспонируем эту матрицу и перемножим ее на первоначальную матрицу А. Получим квадратную матрицу АТА размером 65 * 65 (по количеству ежемесячных наблюдений с января 2004 по май 2009 года).
О о о о
^^ттттсосососог^г^г^г^оооооооо^ ооооооооооооооооооо ооооооооооооооооооо
<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N dqhcdciqhcdciqhcdciqhcdciqhcd о:сс;=0а:сс;=0а:сс;=0а:сс;=0а:
со
X
к
го
2
о
СП
о
о
OJ
d
время
Рис. 2. Динамика среднего счета абонентов - юридических лиц
Очевидно, что значение определителя отличается от нуля:
Det(ATA) = 2,5311 e + 85.
Таким образом, дополнительное исследование наличия мультиколлинеарности показало, что тесные линейные статистические связи между объясняющими переменными отсутствуют.
Для того чтобы проанализировать, имеют ли оценки коэффициентов неправильные с точки зрения теории знаки или неоправданно большие значения, необходимо построить множественную регрессию, в которой зависимой переменной является стоимость компании EV, а объясняющими переменными - перечисленные факторы. Коэффициенты оцениваются с помощью метода наименьших квадратов. На рисунке 3 представлены результаты построения регрессии с помощью эконометрического пакета EViews 6.
Судя по значению F-статистики и R-squared, или R2, (рис. 3), модель можно назвать значимой, при этом коэффициенты при переменных ARPU postpaid, ARPU prepaid, subscribers и traffic оказываются незначимыми на 5-процентном уровне, о чем свидетельствуют значения t-статистики.
Следовательно, исходя из этой рекомендации, можно сделать вывод о наличии некоторой частичной мультиколлинеарности в модели.
Устранение мультиколлинеарности
Для устранения эффекта мультиколлинеарности в рамках регрессионного анализа можно использовать несколько методов. Хотя, как уже упоминалось, в финансовой РОР-модели использование анализируемых факторов в первоначальном виде вполне оправданно. Попробуем смоделировать зависимости между факторами Методом дополнительных регрессий. Метод дополнительных регрессий заключается в следующем:
• строятся уравнения регрессии, которые связывают каждый из регрессоров со всеми остальными;
Dependent Variable: EV
Method: Least Squares
Date: 09/20/09 Time: 18:58
Sample (adjusted): 2004M03 2009M05
Included observations: 63 after adjustments
Coefficient Std. Error t-Statistic Prob.
ARP U_C OR P ORATE 0.000363 0.000175 2.076619 0.0423
ARPU_PREPAID 1.17E-05 5.36E-05 0.217340 0.8207
SUBSCRIBERS -1.81E-05 0.000123 -0 1 47727 0.8831
TRAFFIC -1.77E-06 7.28E-07 -2.424975 0.0184
С 8791.095 3200.323 2.746940 0.0080
R-squared 0.264210 Mean dependent var 18108.36
Adjusted R-squared 0.213466 S.D. dependent var 5451.892
S.E. of regression 4835.1 07 Akaike info criterion 19.88123
Sum squared resid 1.36E+09 Schwarz criterion 20.05132
Log likelihood -621.2588 Hannan-Quinn criter. 19.94813
F-statistic 5.206705 Durbin-Watson stat 0.291103
Prob (F-statistic) 0.001184
Рис. 3. Множественная регрессия зависимости стоимости компании от факторов стоимости
Dependent Variable: ARPU_CORPORATE Method: Least Squares Date: 09/21/09 Time: 18:41 Sample: 2004M01 2009M05 included observations: 65
Coefficient Std. Error t-Statistic Prob.
ARPU POSTPAID -0.031882 0.102902 -0.309828 0.7578
ARPU PREPAID 0.188244 0.034495 5.457141 0.0000
SUBSCRIBERS -0.018300 0.199475 -0.091743 0.9272
TRAFFIC 0.002786 0.000582 4.784626 0.0000
C 1637919. 11735929 0.139564 0.8895
R-squared 0.977882 Mean dependent var 56414416
Adjusted R-squared 0.976407 S.D. dependent var 23870226
S.E. of regression 3666466. Akaike info criterion 33.14116
Sum squared resid 8.07E+14 Schwarz criterion 33.30842
Log likelihood -1072.088 Hannan-Quinn criter. 33.20715
F-statistic 663.1688 Durbin-Watson stat 0.571269
Prob(F-statistic) 0.000000
Рис. 4. Множественная регрессия зависимости фактора ARPU corporate от других факторов стоимости
• вычисляются коэффициенты детерминации R2 для каждого уравнения регрессии;
• проверяется статистическая гипотеза Ho : R2 = 0 с помощью F-теста.
Вывод: если гипотеза Ho : R2 = 0 не отвергается, то такой регрессор не приводит к мультиколлинеарности.
Построим регрессии по каждому фактору, то есть исследуем зависимости одного фактора от всех остальных.
1. ARPU corporate.
Коэффициент детерминации R2 близок к единице, то есть имеет очень высокое значение. Значение F-статистики больше критического, следовательно, мы отвергаем статистическую гипотезу о равенстве нулю коэффициента детерминации R2 (см. рис. 4), а следовательно, существует статистическая связь между фактором ARPU corporate и другими факторами, используемыми в модели.
2. ARPU postpaid.
В этом случае (рис. 5) коэффициент детерминации R2 также имеет высокое значение. Значение F-статистики больше критического, и мы отвергаем статистическую гипотезу о равенстве нулю коэффициента детерминации R2. Таким образом, существует статистическая связь между фактором ARPU postpaid и другими факторами, используемыми в модели.
Анализируя три оставшихся фактора подобным образом, мы можем сделать аналогичные выводы: каждый фактор имеет тесную статистическую связь с группой других используемых параметров. Результаты построения множественных регрессий по факторам ARPU prepaid, subscribers и traffic представлены на рисунках 6-8.
Проведенное нами исследование показало наличие статистической связи между факторами, которые играют важную роль в формировании стоимости компании (см. рис. 1). Графический анализ имеющихся наблюдений по всем рассматриваемым факторам позволяет установить такую взаимосвязь (см. рис. 9 на с. 46). Для удобства представления данных на одном графике мы нормируем значения имеющихся рядов наблюдений.
Из графика видно, что рассматриваемые факторы (за исключением параметра ARPU postpaid, что уже отмечалось нами при построении матрицы парных коэффициентов корреляции), демонстрировали схожую динамику на протяжении всего анализируемого периода. Неудивительно, что статистический анализ показал тесную взаимосвязь этих факторов.
Dependent Variable: ARPU_POSTPAID Method: Least Squares Date: 09/21/09 Time: 18:44 Sample: 2004M01 2009M05 Included observations: 65
Coefficient Std. Error t-Statistic Prob.
ARPU CORPORATE -0.050102 0.161708 -0.309820 0.7578
ARPU PREPAID 0.176182 0.047756 3.689174 0.0005
SUBSCRIBERS -1.716541 0.115886 -14.81232 0.0000
TRAFFIC 0.003980 0.000687 5.794279 0.0000
C 1.12E+08 2610037. 42.84063 0.0000
R-squared 0.811931 Mean dependent var 97057703
Adjusted R-squared 0.799393 S.D. dependent var 10261908
S.E. of regression 4596223. Akaike info criterion 33.59317
Sum squared resid 1.27E+15 Schwarz criterion 33.76043
Log likelihood -1086.778 Hannan-Quinn criter. 33.65917
F-statistic 64.75796 Durbin-Watson stat 0.911484
Prob (F-statistic) 0.000000
Рис. 5. Множественная регрессия зависимости фактора ARPU postpaid от других факторов стоимости
DependentVariable: ARPU_PREPAID Method: Least Squares Date: 09/21/09 Time: 18:44 Sample: 2004M01 2009M05 Included observations: 65
Coefficient Std. Error t-Statistic Prob.
ARPU POSTPAID 1.049447 0.284467 3.689174 0.0005
ARPU CORPORATE 1.762080 0.322096 5.4571 41 0.0000
SUBSCRIBERS 2.692120 0.501721 5.365776 0.0000
TRAFFIC -0.003601 0.002042 -1.763640 0.0829
C -92204229 33878320 -2.723991 0.0084
R-squared 0.976226 Mean dependentvar 2.04E+08
Adjusted R-squared 0.974642 S.D. dependentvar 70443108
S.E. of regression 11217619 Akaike info criterion 35.37767
Sum squared resid 7.55E+15 Schwarz criterion 35.54493
Log likelihood -1 1 44.774 Hannan-Quinn criter. 35.44367
F-statistic 615.9524 Durbin-Watson stat 0.934798
Prob(F-statistic) 0.000000
Рис. 6. Множественная регрессия зависимости фактора ARPU prepaid от других факторов стоимости
DependentVariable: SUBSCRIBERS Method: Least Squares Date: 09/21/09 Time: 18:45 Sample: 2004M01 2009M05 Included observations: 65
Coefficient Std. Error t-Statistic Prob.
ARPU PREPAID 0.120448 0.022447 5.365776 0.0000
ARPU POSTPAID -0.457465 0.030884 -14.81232 0.0000
ARPU CORPORATE -0.007664 0.083541 -0.091743 0.9272
TRAFFIC 0.001847 0.000373 4.940042 0.0000
C 51796290 3603773. 14.37279 0.0000
R-squared 0.979346 Mean dependentvar 44909383
Adjusted R-squared 0.977969 S.D. dependentvar 15905806
S.E. of regression 2372756. Akaike info criterion 32.27081
Sum squared resid 3.30E+1 4 Schwarz criterion 32.43807
Log likelihood -1043.801 Hannan-Quinn criter. 32.33680
F-statistic 711.2448 Durbin-Watson stat 0.786904
Prob(F-statistic) 0.000000
Рис. 7. Множественная регрессия зависимости фактора subscribers от других факторов стоимости
Dependent Variable: TRAFFIC Method: Least Squares Date: 09/21/09 Time: 18:46 Sample: 2004M01 2009M05 Included observations: 65
Coefficient Std. Error t-Statistic Prob.
SUBSCRIBERS 156.9408 31.71262 4.940842 0.0000
ARPU PREPAID -13.68829 7.761384 -1.763640 0.0029
ARPU POSTPAID 90.13083 15.55652 5.794279 0.0000
ARPU CORPORATE 99.13632 20.71976 4.784626 0.0000
C -1.13E+10 1.66E+09 -6.800652 0.0000
R-squared 0.970539 Mean dependentvar 7.30E+09
Adjusted R-squared 0.968575 S.D. dependentvar 3.90E+09
S.E. of regression 6.92E+08 Akaike info criterion 43.62088
Sum squared resid 2.87E+1 9 Schwarz criterion 43.78014
Log likelihood -1412.679 Hannan-Quinn criter. 43.68688
F-statistic 494.1533 Durbin-Watson stat 0.687013
Prob (F-statistic) 0.000000
Рис. 8. Множественная регрессия зависимости фактора traffic от других факторов стоимости
При определении стоимости компании мы применили финансовую РОР-модель и, как уже упоминалось, использование рассмотренных факторов оправдано с теоретической точки зрения. Эти факторы являются одними из ключевых детерминант стоимости компании и невключение хотя бы одного из них в финансовую модель не позволит получить объективную оценку стоимости компании при использовании финансовой РОР-модели.
Выявленная статистическая взаимосвязь факторов объясняется в первую очередь тем, что с развитием бизнеса и инвестициями компании в расширение производства происходит соответствующий рост отдельных прямых и косвенных показателей деятельности фирмы. Здесь такими показателями выступают количество абонентов, трафик и средний счет, которые используются для определения стоимости компании.
Сценарный анализ
Сценарный анализ предполагает рассмотрение пяти сценариев, каждый из которых отличается определенными значениями рассматриваемых факторов. Сценарий номер 3, «базовый», представляет собой набор значений факторов, при которых модель выходит на базовый уровень стоимости АРЯ - 31,1 доллара США. Сценарии 1 и 5 для удобства
го
го
-■—АРРи_СОРРОРАТЕ -Ж—АРР11_РРЕРАЮ ---ТРАРРІС
-•— АРРи_РОвТРАЮ ----ЗиВЗСРІВЕРЗ
Рис. 9. Динамика факторов стоимости компании сотовой связи в анализируемом
периоде (нормированный показатель)
были названы «пессимистичный» и «оптимистичный», с наименьшим значением стоимости АйЯ в сценарии 1 и наибольшим в сценарии 5. Опишем логику, которая использовалась при выборе значений указанных факторов в каждом из рассмотренных сценариев:
• средневзвешенная стоимость капитала ^АСС) отклонялась от базового значения в 11,1 процента вправо и влево с шагом в 1 процент. Сценарию 5, «оптимистичному», таким образом, соответствовало значение ставки дисконтирования в 9,1 процента. Значение ставки дисконтирования в «пессимистичном» сценарии составило 13,1 процента;
• степень проникновения сотовой связи (изменение по сравнению с базовым сценарием) в каждом из сценариев была выше или ниже годовых значений в базисном варианте, изменяясь с шагом в 1 процент. Так, «пессимистичный» сценарий предполагал снижение ежегодного значения проникновения сотовой связи на 2 процента. Годовые значения проникновения сотовой связи для «оптимистичного» сценария в прогнозном периоде были выше соответствующих значений в базовом сценарии на 2 процента;
• доля оператора в общем числе абонентов на рынке мобильной связи, составляющая 34,4 процента в «базовом» сценарии в течение всего прогнозного периода, изменялась в сценарном анализе с шагом в 1 процент. Значение этого показателя в «оптимистичном» сценарии равнялось 36,4 процента, в «пессимистичном» - 32,4 процента;
• темп роста расходов на привлечение абонентов (БАС) в зависимости от сценария увеличивался или уменьшался по отношению к «базовому» сценарию с шагом в 1 процент;
• средняя продолжительность разговора (МОи) в зависимости от выбранного сценария росла более высокими или более низкими темпами по сравнению с «базовым»
сценарием. Шаг изменения темпа роста средней продолжительности разговора составил 1 процент;
• темп роста среднего счета абонента (АЯРи) в зависимости от сценария увеличивался или уменьшался по отношению к темпу роста, заложенному в «базовом» сценарии. Шаг изменения темпа роста составил 1 процент.
Результаты проведенного сценарного анализа представлены в таблице 3.
Таблица 3
Изменение справедливой стоимости 1ADR компании сотовой связи на основе анализа сценарных условий
и Сценарий
Фактор стоимости § 1-й (пессимистичный) 2-й 3-й (базовый) 4-й 5-й (оптимистичный)
Средневзвешенная стоимость капитала (WACC), % 1,0 13,1 12,1 11,1 10,1 9,1
Проникновение сотовой связи (изменение по сравнению с «базовым» сценарием), % 1,0 -2,0 -1,0 0,0 1,0 2,0
Доля оператора в общем числе абонентов на рынке мобильной связи, % 1,0 32,4 33,4 34,4 35,4 36,4
Темп роста расходов на привлечение абонентов (SAC) (изменение по сравнению с «базовым» сценарием), % 1,0 -2,0 -1,0 0,0 1,0 2,0
Темп роста средней продолжительности разговора (MOU) (изменение по сравнению с «базовым» сценарием), % 1,0 -2,0 -1,0 0,0 1,0 2,0
Темп роста среднего счета (ARPU) (по сравнению с «базовым» сценарием), % 1,0 -2,0 -1,0 0,0 1,0 2,0
FV, долл. США/ADR 12,3 19,7 31,1 49,7 81,4
Как видно из таблицы 3, стоимость АйЯ в зависимости от выбранного сценария варьируется от 12,3 до 81,4 доллара США за 1 АйВ Такой большой разброс значений от сценария к сценарию обусловлен чувствительностью стоимости к изменению каждого отдельного фактора и количеством факторов, участвующих в сценарном анализе.
Итак, согласно проведенному анализу из всех идентифицируемых факторов стоимости компании сотовой связи наибольшей «силой» обладает фактор «средний счет абонента -юридического лица». Результаты факторного анализа могут быть использованы в процедурах по управлению стоимостью, при работе над практическими рекомендациями по управлению стоимостью компании, а также в более детальном анализе сценарных условий, когда на наиболее «сильные» факторы можно сделать поправку для повышения точности прогнозов.
ЛИТЕРАТУРА И ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ
1. Яковлева Е. А. Управление стоимостью предприятия в инновационном процессе / Федеральное агентство по образованию ; Санкт-Петербургский государственный политехнический университет. СПб. : Издательство Политехнического университета, 2008.
2. Дроговоз П. А. Управление стоимостью инновационного промышленного предприятия / под ред. Т. Г. Садовской. М. : Издательство МГТУ им. Н.Э. Баумана, 2007.
3. Бабешко Л. О. Основы эконометрического моделирования : учебное пособие. 2-е изд., испр. М. : КомКнига, 2006.
4. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. Множественная регрессия. 3-е изд. М. : Диалектика, 2007.
5. Власова О. А. Эволюция теории управления стоимостью компании: нефинансовые драйверы // Российский экономический интернет-журнал [Электронный ресурс]. и^: http://www.e-rej.ru/articles/2009/ Vlasova.pdf
РОССИЙСКАЯ АКАДЕМИЯ ГОСУДАРСТВЕННОЙ СЛУЖБЫ ПРИ ПРЕЗИДЕНТЕ РОССИЙСКОЙ ФЕДЕРАЦИИ (РАГС)
ЦЕНТР «ЗЕМЛЯ И НЕДВИЖИМОСТЬ» МЕЖДУНАРОДНОЙ ШКОЛЫ УПРАВЛЕНИЯ «ИНТЕНСИВ» РАГС
Приглашают принять участие в практическом консультационном
семинаре
15-17 декабря 2009 года, 9-11 февраля 2010 года, г. Москва
ГОСУДАРСТВЕННОЕ И МУНИЦИПАЛЬНОЕ
ИМУЩЕСТВО: ВЛАДЕНИЕ, ИСПОЛЬЗОВАНИЕ, РАСПОРЯЖЕНИЕ, ОПЕРАТИВНОЕ УПРАВЛЕНИЕ, АРЕНДА (ПРАВОВОЕ РЕГУЛИРОВАНИЕ, ОПЫТ И ПРАКТИКА)
• правовое регулирование порядка распоряжения государственным и муниципальным имуществом. Передача государственного имущества в муниципальную собственность
• основания возникновения, изменения и прекращения прав на недвижимое имущество
• права государственных и муниципальных учреждений и предприятий на земельные участки
• инвестиционные проекты с участием государственной (муниципальной) собственности
• распоряжение имуществом ОАО, акции которых находятся в государственной и муниципальной собственности
• налогообложение государственного и муниципального имущества. Местные налоги на имущество. Налог на имущество организаций
• государственная регистрация прав на недвижимое имущество (жилого, нежилого помещения), в том числе на основании судебных актов
• практика арбитражных судов по спорам о государственной регистрации прав на недвижимое имущество и сделок с ним
• технический учет и инвентаризация объектов капитального строительства
• государственный кадастровый учет объектов недвижимости
• аренда объектов недвижимого имущества
• правовой режим незавершенного строительного объекта и вновь созданного объекта недвижимого имущества
• ипотека недвижимого имущества: основания возникновения и предмет ипотеки, форма и содержание договора об ипотеке
• оценка объектов федерального (муниципального) недвижимого имущества
• реализация Федерального закона от 26 июля 2006 года № 135-ФЗ «О защите конкуренции» и Федерального закона от 21 июля 2005 года № 115-ФЗ «О концессионных соглашениях»
• передача объектов недвижимого имущества в безвозмездное пользование
• порядок заключения и оформления договоров купли-продажи, мены, дарения, безвозмездного пользования
• учет федерального имущества в соответствии с постановлением Правительства Российской Федерации от 16 июля 2007 года № 447
• правовые аспекты приватизации государственного имущества
ЗАЯВКИ НА УЧАСТИЕ И ПОДРОБНАЯ ИНФОРМАЦИЯ: по тел/ф: (495) 436-05-21, 436-90-27, 436-03-25 по e-mail: fedoseev@ur.rags.ru, korneev@ur.rags.ru
