CC BY
23
DOI: 10. 26794/2226-7867-2019-9-4-126-135 УДК 330.322(045)
распределение политических рисков
при вложении прямых иностранных инвестиций
КИТАЕМ (ЭМПИРИЧЕСКОЕ ИССЛЕДОВАНИЕ НА ОСНОВЕ ДАННЫХ ЗА 2006-2017 гОДЫ)
Цюйюй Гаоянь, аспирант, Национальный исследовательский университет «Высшая школа экономики», Москва, Россия; ассоциированный исследователь, Международная лаборатория исследований мирового порядка и нового регионализма, НИУ ВШЭ [email protected]
Аннотация. Чтобы внести свой вклад в продолжающуюся дискуссию относительно того, объясняется ли интернационализация китайских транснациональных корпораций (ТНК) при осуществлении прямых иностранных инвестиций (ПИИ) обычной логикой, автор статьи выбрал 15 косвенных переменных из данных Координационно-ресурсной группы (PRG) и Фонда международного наследия и применил метод анализа главных компонент (PCA) с тем, чтобы разработать новый индекс политического риска (PRI), с помощью которого можно было бы оценить многообразные аспекты политических рисков для 139 стран. Используя этот индекс в качестве основополагающего критерия, автор исследовал изменения в китайских ПИИ за рубежом на предмет направлений и объемов инвестиций, ежегодных инвестиционных потоков и их распределения по секторам экономики с 2006 по 2017 г. В результате исследования было обнаружено, что подавляющее большинство китайских ПИИ за этот период сконцентрировано в странах со средним и низким уровнями политических рисков. Ключевые слова: политические риски; китайские прямые иностранные инвестиции; внешнеэкономическая политика КНР; Инициатива Пояса и Пути
the distribution of the political risks of
FOREIGN DIRECT INVEsTMENT BY CHINA (AN EMPIRICAL study based ON DATA FOR THE years 2006-2017)
QIUYU GAOYAN, Doctoral Candidate, Associate Researcher, International Laboratory of World Order Studies and the New Regionalism, National Research University"Higher School of Economics", a graduate student of Johns Hopkins University [email protected]
Abstract. The purpose of this paper is driven by the author's desire to contribute to the ongoing debate as to whether the internationalisation of Chinese Transnational corporations (TNCs) in foreign direct investment is due to conventional logic. The author selected 15 indirect variables from the data of the 'Coordination and Resource Group' (CRG) and the 'International Heritage Foundation' and applied the principal component analysis (PCA) method to develop a new Political Risk Index (PRI). It could assess the multiple dimensions of political risks for 139 countries. Using this index as a fundamental criterion, the author investigated the changes in Chinese Outward FDI in terms of directions and volumes of investments, annual investment flows and their distribution by sectors of the economy from 2006 to 2017. As a result of the study, the author found that the vast majority of Chinese Outward FDI during this period was concentrated in countries with medium and low levels of political risks.
Keywords: political risk measurement; political risk distribution; Chinese outward foreign direct investments; principal component analysis
ВВЕДЕНИЕ
За последние годы в связи со значительным ростом объемов прямых иностранных инвестиций Китая (ПИИ) внимание многих ученых привлекала тема влияния политических рисков в странах-реципиентах на выбор направлений инвестиционных вложений китайских ТНК. В результате многочисленных исследований было обнаружено, что китайские ТНК не смущает наличие политических рисков при осуществлении зарубежных вложений [1-4], либо они сдерживают их [5-8], либо ТНК безразличны к политическим рискам в странах-реципиентах [9]. Вот почему некоторые ученые заявляют, что обычная логика не способна объяснить интернационализацию китайских ТНК. Тем не менее эти заявления необходимо проверить ввиду их методологической несостоятельности. Основной причиной столь противоречивых выводов является нехватка четких формулировок в методиках оценки политических рисков. Другой ограничивающей причиной является ненадежность оценок объемов китайских ПИИ по официальным источникам. Наш вклад в решение научной проблемы состоит в отражении взаимосвязи политических рисков с китайскими ПИИ и включает два аспекта. Во-первых, в данной работе предлагается новый комплексный инструмент для оценки политических рисков — индекс PRI, разработанный при помощи метода анализа главных компонент, позволяющий научно определить конечный вес каждого из 15 соответствующих косвенных показателей, полученных из достоверных источников. Во-вторых, в данной работе эмпирическому анализу подвергнута малоизвестная тема — изменения в распределении китайских ПИИ в странах-реципиентах с различным уровнем политических рисков за последнее десятилетие с использованием данных Китайского глобального инвестиционного трекера (CGIT) и ясно показано конечное предназначение каждого крупномасштабного инвестиционного проекта, реализуемого китайскими ТНК. Таким образом, работа вносит серьезный вклад в дискуссию относительно того, можно ли при помощи обычной логики объяснить взаимосвязь политических рисков с китайскими ПИИ.
ДАННЫЕ И МЕТ0Д0л0гия
Чтобы восполнить подобные пробелы, в исследовании мы намерены сделать следующее: во-первых, мы разработали новый Индекс политических рисков (PRI) с тем, чтобы попытаться охватить
все аспекты политических рисков, введя в него 15 косвенных показателей. Во-вторых, мы исследовали малоизвестную тему — изменения в распределении китайских ПИИ в странах-реципиентах с различным уровнем политических рисков за последнее десятилетие с использованием данных С01Т и таким образом внесли серьезный вклад в дискуссию относительно того, руководствуются ли здравым смыслом китайские инвесторы при учете политических рисков в странах-реципиентах.
Для того чтобы разработать всеобъемлющий и объективный индекс политических рисков, мы сначала выбрали переменные и источники данных, затем применили анализ главных компонент (РСА) с тем, чтобы определить вес каждого суб-индикатора. Мы использовали Китай в качестве примера для иллюстрации расчета индекса политических рисков страны.
ВЫБОР переменных И ИСТОЧНИКОВ ДАННЫХ
Чтобы разобраться в потоках китайских ПИИ, мы использовали статистические ежегодные данные по всему Китаю на уровне фирм, приводимые Американским институтом предпринимательства (АЕ1) на CGIT. Этот набор содержит данные для всех китайских фирм (включая товарищества с ограниченной ответственностью, частные предприятия, государственные и совместные предприятия или предприятия с участием иностранного капитала) и ценную информацию относительно направлений китайских зарубежных вложений, инвестиционных квот, секторов и названий инвесторов в Китае. На сегодняшний день это наиболее надежный доступный источник серийной информации по определенным отрезкам времени как на уровне страны, так и на уровне фирм. Другим достоинством этой базы данных является информация по крупномасштабным инвестиционным проектам (для которых сумма инвестиций превышает Ш 100 млн долл.), осуществляемых китайскими предприятиями.
Для того же периода времени мы получили информацию о политических рисках с 1СИС (группа PRS) и IEF (Фонд всемирного наследия). Для разработки РЫ мы отобрали 15 переменных, затем эти 15 переменных разделили на три типа политических рисков в зависимости от их источника: институциональные, риски политического насилия и связанные с трансфером технологий и экспроприацией капиталов инвесторов (табл. 1).
Таблица 1 / Table 1
Результаты оценок достоверности PCA / The results of the accuracy scores of PCA
Тип критерия достоверности Статистика Критерий
Кайзер-Мейер-Олкин (КМО) тест выборочной адекватности 0,875 >0,6
Критерий сферичности Бартлетта 17 662,259* P < 0,05
Альфа-коэффициент внутренней консистентности Кронбаха 0,8908 >0,7
Первое собственное значение матрицы главных компонент 6,57467 >1
Конструктивная достоверность (накопленная дисперсия объясненных факторов) 43,83% >80%
Источник/Source: рассчитано автором/author's calculation .
Примечание / Note: * - представляет уровень значимости в 1% / Represents a significance level of 1%.
Таблица 2 / Table 2
Матрица собственных значений, кумулятивных значений и факторной нагрузки / Matrix of the eigenvalues, cumulative values, and factor loadings
У
X PC1 PC2 PC3 PC4 PC5 PC6 PC7 PC8 PC9 PC10 PC11 PC12 PC13 PC14 PC15
СУ 0,32 0,02 -0,24 -0,01 0,12 -0,14 0,03 -0,39 0,04 -0,34 0,32 -0,16 0,63 0,09 -0,07
GU 0,15 0,53 -0,06 -0,18 0,11 0,04 -0,24 -0,06 0,19 0,12 -0,46 -0,57 -0,01 -0,03 -0,00
LS 0,06 0,56 -0,04 -0,21 0,23 -0,04 -0,33 0,23 0,02 0,15 0,37 0,50 0,04 0,09 0,03
PD 0,33 -0,06 -0,23 0,00 0,09 -0,23 0,16 -0,20 -0,11 0,16 -0,26 0,18 -0,28 0,70 0,06
PS 0,11 0,43 -0,18 -0,09 -0,46 0,37 0,61 0,10 -0,14 -0,04 0,06 0,04 0,02 0,00 -0,01
11Р 0,33 0,01 -0,28 -0,01 0,08 -0,12 0,06 -0,40 0,03 0,09 -0,01 0,22 -0,37 -0,65 -0,02
ERR 0,11 0,18 -0,10 0,90 0,20 0,25 -0,08 0,08 -0,11 0,07 0,00 -0,01 0,01 0,00 -0,02
ЕТ 0,19 0,10 0,48 -0,00 0,53 -0,22 0,56 0,19 0,09 -0,05 -0,06 -0,01 0,05 -0,11 0,07
ЕС 0,26 0,10 0,17 0,23 -0,53 -0,49 -0,11 0,20 0,28 -0,10 -0,28 0,24 0,19 -0,08 -0,05
1С 0,30 0,11 0,33 0,03 -0,18 -0,09 -0,19 -0,00 -0,23 -0,40 0,38 -0,30 -0,49 0,08 0,12
МР 0,32 -0,15 0,13 -0,06 -0,14 -0,12 -0,05 0,12 -0,44 0,68 0,17 -0,22 0,24 -0,11 -0,01
и 0,20 -0,00 0,57 -0,05 -0,07 0,49 -0,14 -0,47 0,03 0,06 -0,17 0,29 0,13 0,06 -0,02
Р11 0,32 -0,23 -0,18 -0,11 0,07 0,25 -0,13 0,31 -0,05 -0,19 -0,20 0,08 0,13 -0,10 0,71
GI 0,33 -0,18 -0,09 -0,16 0,15 0,20 -0,11 0,37 -0,21 -0,26 -0,20 0,08 -0,03 -0,04 -0,67
^ 0,29 -0,22 -0,04 0,01 -0,05 0,24 0,05 0,17 0,73 0,24 0,34 -0,14 -0,14 0,11 -0,08
Собственное значение 6,57 2,24 1,35 0,93 0,77 0,58 0,52 0,47 0,38 0,28 0,27 0,25 0,19 0,13 0,07
Кумулятивное значение 43,8% 58,8% 67,8% 73,9% 79,0% 82,9% 86,4% 89,5% 92,1% 93,9% 95,8% 97,4% 98,7% 99,6% 100,0%
Таблица 3 / Table 3
Итоговый вес (FW) каждого субиндикатора / Final weight (FW) of each subindicator
CV GU ls PD PS R ERR ET EC IC MP RT PR GI IF
7,6% 6,3% 7,5% 7,2% 4,8% 3,9% 6,4% 9,9% 7,4% 7,5% 5,5% 7,7% 5,2% 5,9% 7,2%
В табл. 1 представлены описания индикаторов PRI и баз данных. Мы исследовали 139 экономик за период с 2006 по 2017 г. и собрали 1390 наблюдений. Для отсутствующих данных использовали метод линейной интерполяции тренда. В связи с тем что данные из ICRG и IEF имеют различную размерность — к примеру, оценки из ICRG варьируют от 0 до 12, а из IEF — от 0 до 100, мы нормализовали данные таким образом, чтобы все конвертированные данные варьировали от 0 до 10. Таким образом, мы смогли лучше сравнивать данные:
C, = 10 х [(ICRG. — ICRG. .) / (ICRG. — PRS. .)];
1 i i mm'' v i max i mm'*'
C 2 = 10 х [(IEF. — IEF, .) / (IEF, — IEF, .)].
2 lv k k min' ' v k max k mm'J
В данном уравнении C 1 и C 2 — нормализованные показатели, полученные из ICRG и IEF соответственно. Как указано выше, показатели варьируются от 10 — (максимум) до 0 (минимум). Высокие показатели означают низкий уровень политических рисков, в то время как низкие показатели — высокий уровень политических рисков.
анализ главных компонент
Анализ главных компонент (PCA) широко применяется для разработки важных показателей. Путем подсчета корреляции между переменными ученые, используя метод PCA, могут достоверно определять их значимость. Применение PCA для определения значимости субиндикаторов также является широко применяемым в научной литературе, в особенности в тех случаях, когда вырабатывается новый индекс или критерий. В качестве примеров можно привести индекс глобализации [10], индекс открытости капитальных счетов [11], индекс интегрированности региональных экономик [12], индекс перспектив интернационализации [13].
Как видно из табл. 1, значение KMO больше 0,6, в то время как критерий сферичности Бартлетта достигает уровня значения 1%. Таким образом, соответствие выбранных нами субиндикаторов для наших целей было подтверждено. Альфа-
коэффициенты Кронбаха были выше порогового значения 0,7 и это означает, что выбранные 15 субиндикаторов имеют высокую надежность для оценки политических рисков. Более того, первое собственное значение матрицы главных компонент РСА (6,57467) гораздо выше критерия (более чем 1,00) всех собственных значений. Тем не менее объяснимая изменчивость первой основной компоненты ниже стандартного критерия в 80%, и это означает, что применение оценки только первой основной компоненты веса субиндикатора PRI может дать низкий уровень концептуальной значимости. После расчета факториальной матрицы аху, представленной в табл. 2, мы воспользовались формулой для расчета конечного веса субиндикаторов политических рисков:
FWX =
Х-15 2
Z „
zHiZ
15 2 y=1^
(1)
где у — число основных компонент, с РСА1 до РСА15 — у = 1, 2, ... 15; х — порядковый номер субиндикаторов политических рисков, х = 1, 2, 3, ..., 15.
Используя формулу (1), мы сделали сумму 15 субиндикаторов политических рисков равной единице. Такой метод учитывает все первичные компоненты и таким образом расширяет общую кумулятивную объяснимую изменчивость до 100%.
В табл. 3 представлена конечная значимость (БШ) всех 15 субиндикаторов компонентов политических рисков. Как видно, значимости каждого из субиндикаторов можно расставить следующим образом: этническая напряженность имеет самый высокий вес — 9,9% вместе с религиозной напряженностью — 7,7%; жизнеспособность контрактов — 7,6%, сила законодательной власти и внутренние конфликты — 7,5%; свобода инвестиций, отсрочки платежей и внешние конфликты — 7,1-7,4%; защита прав собственности, поддержка населения, репатриация доходов, военное вмешательство в политику, неподкупность правительства, сплоченность правительства и риски обменных курсов — 3,9-6,4%.
Таблица 4 / Table 4
Индексы политических рисков для Китая в 2017 г. / Indices of political risks for China in 2017
Переменная Изначальный рейтинг (A) Конечный вес(B) Взвешенный рейтинг (A)*(B)
Жизнеспособность контрактов (СУ) 5,6 7,6% 0,43
Отсрочки платежей 7,86 6,3% 0,49
Репатриация прибылей ^Р) 5,28 7,5% 0,4
Свобода инвестирования (1Р) 5,36 7,2% 0,39
Риски обменного курса (ERR) 6,06 4,8% 0,29
Сплоченность правительства ^и) 5,94 3,9% 0,23
Сила законодательной власти (1^) 9,82 6,4% 0,63
Поддержка населения 5 9,9% 0,5
Защита прав собственности ^Р) 4,55 7,4% 0,34
Добросовестность правительства ^1) 5,09 7,5% 0,38
Этническая напряженность (ЕТ) 5 5,5% 0,27
Внешние конфликты (ЕС) 6 7,7% 0,46
Внутренние конфликты (1С) 4,97 5,2% 0,26
Военное вмешательство в политику (МР) 3,98 5,9% 0,23
Индекс политических рисков NA 100% 5,45
Источник/Source: рассчитано автором / author's calculation. Примечание/Note: NA - неприменимо / NA - inapplicable.
ЭМПИРИЧЕСКИЙ АНАЛИЗ -РАСПРЕДЕЛЕНИЕ ПОЛИТИЧЕСКИХ РИСКОВ КИТАЙСКИХ ПИИ
Используя метод, представленный выше, мы разработали следующее уравнение для расчета PRI 139 модельных стран:
PRI = 7,6% х CV + 6,3% х PD +7,5% х RP + 7,2% * х IF + 4,8% * ERR + 3,9% * GU + 6,4% * LS + + 9,9% * PS + 7,4% * PRP + 7,5% * GI + 5,5% * * ET + 7,7% * EC + 5,2% * IC + 5,9% * MP. (2)
Мы использовали Китай в качестве примера для демонстрации расчета PRI. В 2017 г. в КНР рейтинг жизнеспособности контрактов составлял 5,6. Пользуясь нашим методом, мы обнаружили, что жизнеспособность контрактов составляет для Китая 7,6% в серии субиндикаторов. Затем умножили рейтинг жизнеспособности контрактов на его конечный вес и получили 0,4. Далее суммировали все 15 взвешенных рейтингов и получили индекс PRI для Китая в 2017 г., который
составил 5,45 (табл. 4). Как мы указали выше, индекс PRI варьирует от 0 до 10. Более высокий индекс PRI означает более низкие политические риски. На основе рассчитанного нами индекса PRI мы разделили наши модельные 139 экономик на три группы. Страны с PRI выше 7,5 отнесли к странам с низким уровнем рисков; те, где значение PRI было между 5 и 7,49,— к странам со средним уровнем рисков, а 4,99 — к странам с высоким уровнем рисков. В следующей главе мы рассмотрим изменения в распределении политических рисков китайских ПИИ в зависимости от положения страны, размера инвестиционных проектов и ежегодного экспорта, а также развития экономики за период с 2006 по 2017 г.
РАСПРЕДЕЛЕНИЕ ПОЛИТИЧЕСКИХ РИСКОВ 139 МОДЕЛЬНЫХ СТРАН
В соответствии с нашей методикой (рис. 1) в 2017 г. 21 страна попала в группу с низким уровнем рисков, 95 — со средним уровнем рисков, а 22 — в группу с высоким уровнем рисков. Исходя из
Figure la
160
200SY 2007V 2 COSY 2009Y 201CV 2011Y 2012Y 2013Y 2014Y 201SY 2016V 2017Y
■ Low Rak ■ Moderate Risk ■ H igh Riik
Рис. 1 /Fig 1. Распределение политических рисков 139 модельных стран, 2006-2017 гг. / The distribution
of political risk model 139 countries, 2006-2017
Источник/Source: рассчитано автором / author's calculation .
тренда во временном промежутке с 2006 по 2017 г. (см. рис. 1, а), мы обнаружили, что группа стран со средним уровнем рисков последовательно растет в интервале от 80 до 95 стран, составляя в целом 59-68% от общего числа модельных стран. За тот же период времени (см. рис. 1, б) количество стран с низким уровнем рисков сократилось до 21 в 2017 г., при этом пик численности составил 42 страны в 2007 г., т.е. сокращение составило от 30 до 13% от общего числа стран. С другой стороны, количество стран с высоким уровнем рисков претерпело значительные колебания. За период с 2007 по 2012 г. количество их возросло с 15 до 32, затем сократилось до 22 (между 11 и 24%) за период с 2013 по 2017 г. Несмотря на то что страны с низким уровнем рисков значительно превосходят числом страны с высоким уровнем рисков в промежутке между 2006 и 2011 г., в последующий период пропорция высокорисковых стран превосходит страны с низким уровнем рисков. И все же количество стран со средним уровнем рисков остается наивысшим.
распределение политических
РИСКОВ И ГЕОГРАФИЯ КИТАЙСКИХ ПИИ
Как видно на рис. 2, ежегодный объем китайских ПИИ (мы включили в анализ только страны с широкомасштабными проектами) почти утроился: с 32 в 2006 г. до 94 в 2015 г., но несколько сокра-
тился до 66 в 2017 г. (главным образом за счет ограничений, наложенных китайским правительством на компании, вовлеченные в зарубежные инвестиции). Страны со средним уровнем рисков оставались приоритетными для китайских инвестиций, составляя от 45 до 56% от общего числа модельных стран. Как за период с 2006 по 2010 г., так и с 2016 по 2017 г. страны с низким уровнем рисков составляли от 19 до 22% от китайских ПИИ, в то время как страны с высоким уровнем рисков составили всего лишь 16-21%. Однако такое соотношение изменилось за период с 2010 по 2015 г., когда страны с высоким уровнем рисков составили более 20%, а количество стран с низким уровнем рисков упало до менее 20% от общего числа стран.
распределение политических
РИСКОВ И КРУПНЫЕ ИНВЕСТИЦИОННЫЕ ПРОЕКТЫ
На рис. 3 можно видеть, что за период с 2006 по 2017 г. ежегодное количество крупных китайских инвестиционных проектов с иностранными инвестициями (те, в которых разовая инвестиция составляла более Ш 100 млн долл.) резко возросло: с 49 в 2006 г. до 408 к 2016 г., однако упало до 157 в 2017 г. Страны со средним уровнем рисков разместили у себя от 37 до 53% масштабных долгосрочных проектов. Тем не менее распределение
100% 90S
т т
Ж
ж
4Ю 30» № №
OS
Hgurr 1
1К 1» сц . I tz
п 24* Ж 24* » 74 72 Я 80 н 78 1
И а I J 70 1 1 II 1 1
55 58 59
57* у» у 50 5ЙХ 55* 63*
54* 17 гол 59Х 59* 57* 5В* 58* 54*
28
I | Я ш — - - ■ Я
i 5 5 ■ Я
□ Ш 2 ■ - т И* К* 17* - А
200Si 2007V 2 00 ST 2009V 201№ 2011Г 2012Y 1013* 2014V 201SY 201Й 2017» ■■Lottftiil ■■■Modcrj'.c Risk ^"High fii-Ji Annuil Toti Number of Comlirei
»0 80 70 60 so
40 30 20 10 0
Рис.2/Fig 2. Распределение политических рисков в странах китайских ПИИ, 2006-2017 гг. / The distribution of political risks in the countries of Chinese ODI, 2006-2017 years
Источник/Source: рассчитано автором / author's calculation .
Рис. 3/Fig 3. Распределение политических рисков китайских ПИИ в широкомасштабных проектах, 2006-1017 гг. / Distribution of political risks of Chinese ODI in large-scale projects, 2006-1017
Источник/Source: рассчитано автором / author's calculation .
китайских масштабных проектов сильно варьировалось между странами с высоким уровнем рисков и странами с низким уровнем рисков. За период с 2006 по 2009 г. в странах с низким уровнем рисков разместилось от 14 до 34% широкомасштабных проектов; эта пропорция затем колебалась между 17 и 20% за период с 2010 по 2013 г., в то время как страны с высоким уровнем рисков получали от 21 до 28% проектов. С 2014 до 2017 г. пропорция проектов, размещенных в странах с низким уровнем рисков, вновь выросла с 29 до 40%, значительно превзойдя 14-23% в странах с высоким уровнем рисков.
РАСПРЕДЕЛЕНИЕ ПОЛИТИЧЕСКИХ РИСКОВ И ЕЖЕГОДНЫЕ НАПРАВЛЕНИЯ (ГЕОГРАФИЯ) КИТАЙСКИХ ИНВЕСТИЦИЙ
Ежегодные потоки китайских ПИИ, как видно из рис. 4, возросли в шесть раз: с US 40,23 млрд
долл. в 2006 г. до Ш 261,1 млрд долл. в 2016 г., затем упали до Ш 132.24 млрд долл. в 2017 г. С 2006 по 2017 г. китайские ПИИ направлялись в страны с различными уровнями политических рисков. За период с 2006 по 2009 г. страны с низким уровнем рисков прияли от 14 до 41% китайских ПИИ, в то время как страны с высоким уровнем рисков смогли принять только от 15 до 20%. Тем не менее объем китайских ПИИ в страны со средним уровнем рисков уменьшился с 66% в 2006 г. до 33% к 2009 г. За период с 2010 по 2013 г. ежегодные потоки китайских ПИИ в страны со средним уровнем рисков претерпевали значительные колебания, но оставались приоритетными для китайских иностранных инвестиций, составляя от 40 до 63%. За один и тот же период в страны с высоким уровнем рисков потоки китайских ПИИ (16-31%)
Figure 4
100« 9 OK 8 OK 70X
1 OK
sax,
4 OK 30K
2 OK iok
0*
»Г230 ¡a5
\
I
57K
_;
|
1296SO
113410
■ -
■ _
I LI
, 16B1J0
m
\
300000 2EOOOO 200000 15Й000
.0
100000
50000
0
200STi 201№ 2011V 2012V 2013Г 2014Y 201SV 2016V 2017V
■ Lowftiik Moderate ftafc шшщ Hjgh Riu Алти! Oullow rf Chinese 00
Рис. 4 / Fig 4. Распределение политических рисков и ежегодные китайские потоки ПИИ за 2006-2017 гг. / Distribution of political risk and Chinese annual FDI flows over the years 2006-2017
Источник/Source: рассчитано автором/author's calculation .
превзошли таковые в страны с низким уровнем рисков (14-21%). Однако после 2014 г. произошел значительный перелом, так как страны с низким уровнем рисков приняли больший объем китайских ПИИ, чем в минувшие годы уходило в страны с высоким уровнем рисков и в страны со средним уровнем рисков; наконец, в 2017 г. только 7% потоков направилось в страны с высоким уровнем рисков, 27% — в страны со средним уровнем рисков, а страны с низким уровнем рисков получили оставшиеся 62%.
распределение политических
РИСКОВ И КИТАЙСКИЕ ПИИ ПО СЕКТОРАМ ЭКОНОМИКИ
Если рассматривать китайские ПИИ в ракурсе распределения по отраслям экономики, то, как видно из табл. 5, за период с 2006 по 2017 г. китайские инвестиции в энергетику, транспорт, недвижимость и металлургию превысили 70% от общих инвестиционных вложений. Это отражает стремление Китая сконцентрировать свои ПИИ в сферах разработки природных ресурсов, энергетики и строительства инфраструктуры. На уровне секторов экономики более 56-65% китайских инвестиций в сельское хозяйство, науку и технологии, а также финансы было направлено в страны с низким уровнем рисков. Инвестиции в туризм и индустрию развлечений в эти страны составили 70%. Страны со средним уровнем рисков приняли более половины китайских инвестиций в энергетику, транспорт, металлургию, коммунальное хозяйство и химическую промышленность. Недвижимость явилась своего рода уникальной отраслью экономики, китайские инвестиции в нее поровну распределились между странами со средним и низким уровнем рисков.
ВЫВОДЫ
Укрепляя связи с другими странами при помощи иностранных инвестиций, Китай быстрыми темпами интегрируется в мировую экономику. В результате наших исследований было обнаружено, что благодаря продолжающимся реформам в области международной экономической политики, эффективному руководству правительства и расширению политических возможностей в рамках деятельности китайских ТНК ПИИ КНР существенно выросли за последние десять лет, в то время как политические риски для них быстро сокращались.
Данная работа имеет важное значение по двум причинам. Во-первых, мы предлагаем новый инструмент для измерения политических рисков — индекс РШ с применением РСА для того, чтобы научно определить вес каждой из 15 переменных, полученных из достоверных статистических источников. Во-вторых, в данной работе мы эмпирически анализируем малоизученную проблему — изменения в распределении китайских ПИИ в странах с различным уровнем политических рисков за последние десять лет. Наш анализ с использованием данных CGIT показал, куда и кем осуществляются крупномасштабные инвестиционные проекты китайских ТНК, с помощью чего были обнаружены факты, противоречащие некоторым научным выводам относительно «стремления избежать политических рисков» со стороны китайских ТНК в процессе их интернационализации: как страны с низкими рисками, так и страны со средними рисками остаются приоритетными для китайских инвестиций по таким параметрам, как количество крупномасштабных инвестиционных проектов, объемы ежегодных потоков прямых инвести-
Таблица 5 / Table 5
Распределение политических рисков китайских ПИИ на уровне секторов экономики / Distribution of political risks of Chinese ODI at the level of economic sectors
Сектор Сельское хозяйство Химическая промышленность Энергетика Индустрия развлечений финансы Металлургия Недвижимость Технологии Туризм Транспорт Коммунальное хозяйство Прочие В целом
Квота/млн USD 91,310 18,980 578,220 37,590 66,560 146,680 156,070 74,800 39,520 275,820 21,760 38,100 1,545,410
Страны с высоким уровнем рисков, % 9 8 32 4 4 25 17 19 9 26 33 10 22
Страны со средним уровнем рисков, % 26 69 51 23 41 50 44 37 28 51 50 32 45
Страны с низким уровнем рисков, % 65 23 17 73 55 25 38 44 64 23 17 59 33
Процент в общем объеме инвестиций, % 5,9 1,2 37,4 2,4 4,3 9,5% 10,1% 4,8 2,6 17,8 1,4% 2,5 100
Широкомасштабные проекты 99 29 657 52 85 204 361 141 58 450 58 82 2276
Источник/Source: рассчитано автором/author's calculation .
ций и распределение инвестиций по секторам экономики.
Наши выводы подтверждают, что при принятии решений относительно осуществления инвестирования китайские ТНК никогда не пренебрегали важностью учета уровня политических рисков в странах-реципиентах, так как проблемы с транзакциями научили их прибегать к более тщательным и осторожным шагам при осуществлении ПИИ. В то же время усилия правительства, такие как издание практического руководства по инвестированию [14], консультации и своевременное информационное обеспечение, предостерегли
китайские предприятия от инвестирования в проблемные проекты и страны с высоким уровнем рисков [15] и, что еще более важно, политический потенциал, наработанный китайскими ТНК в китайском бизнес-климате, помог им преодолеть многие трудности в процессе интернационализации [16-18].
Относительно трудностей и перспектив для дальнейших исследований можно отметить, что наше исследование ограничено нехваткой информации о сравнении распределения политических рисков китайских ПИИ с аналогичными рисками для других стран, так как нет данных о распределении их ПИИ (пока что мы не обна-
ружили никаких других баз данных, которые бы содержали информацию относительно китайских ПИИ, таких как Китайский глобальный инвестиционный трекер, поддерживаемый АЕ1, или EMENDATA). Тем не менее, при наличии большего объема данных в последующих исследованиях мы могли бы изучить сходство и различие в распределении политических рисков китайских
ПИИ с политическими рисками инвестиций из других стран. Можно было бы провести сравнение между развитыми экономиками США, Японии и Западной Европы и растущими экономиками России, Бразилии, Индии и Южной Африки, чтобы лучше понять выбор инвестиционных направлений китайских предприятий в процессе международной экспансии.
СПИСОК ИСТОЧНИКОВ / REFERENCES
1. Buckley P., Clegg L., Cross A., Liu X., Voss H., Zheng P. The determinants of Chinese outward foreign direct investment. Journal of International Business Studies. 2007;38(4):499-518.
2. Li О., Liang G. Political Relations and Chinese Outbound Direct Investment: Evidence from Firm- and Dyadic-Level Tests. SSRNElectronic Journal; 2012.
3. Huang Y., Wang B. Chinese Outward Direct Investment: Is There a China Model? China & World Economy. 2011;4(19).
4. Ouer D., Claver E., Rienda, L. Political risk, cultural distance, and outward foreign direct investment: Empirical evidence from large Chinese firms. Asia Pacific Journal of Management. 2012;29(4):1089-1104.
5. Liu H., Tang Y., Chen X., Poznanska J. The Determinants of Chinese Outward FDI in Countries along "One Belt One Road". Emerging Markets Finance and Trade. 2017;53(6):1374-1387.
6. Duanmu J. The effect of corruption distance and market orientation on the ownership choice of MNEs: Evidence from China. Journal of International Management. 2011;17(2):162-174.
7. Hurst L. Comparative Analysis of the Determinants of China's State-owned Outward Direct Investment in OECD and Non-OECD Countries. China & World Economy. 2011;19:74-91.
8. Blomkvist K., Drogendijk R. Chinese outward foreign direct investments in Europe. European Journal of International Management. 2016;3(10):343-358.
9. Kolstad I., Wiig A. What determines Chinese outward FDI? Journal of World Business. 2012;47(1):26-34.
10. Dreher A. Does globalization affect growth? Evidence from a new index of globalization. Applied Economics. 2006;38(10):1091-1110.
11. Chinn M., Ito H. A New Measure of Financial Openness. Journal of Comparative Policy Analysis: Research and Practice. 2008;10(3):309-322.
12. Chen B., Woo Y. Measuring Economic Integration in the Asia-Pacific Region: A Principal Components Approach. Asian Economic Papers. 2010;9(2):121-143.
13. Tung C., Wang G., Yeh, J. Renminbi Internationalization: Progress, Prospect, and Comparison. China & World Economy. 2012;20(5):63-82.
14. Huang Y., Wang B. Chinese Outward Direct Investment: Is There a China Model? China & World Economy. 2011;4(19):1-21.
15. Hurst L. Comparative Analysis of the Determinants of China's State-owned Outward Direct Investment in OECD and Non-OECD Countries. China & World Economy. 2011;19:74-91.
16. Jiménez A. Does political risk affect the scope of expansion abroad? Evidence from Spanish MNEs. International Business Review. 2010;19(6):619-633.
17. Jiménez A. Political risk as a determinant of Southern European FDI in neighboring developing countries. Emerging Markets Finance and Trade. 2011;47(4):59-74.
18. Jiménez A., Luis-Rico I., Benito-Osorio D. The influence of political risk on the scope of internationalization of regulated Companies: insights from a Spanish sample. Journal of World Business. 2014;49(3):301-311.
